Agents · 通用执行型 Agent
Anthropic Computer Use
通过截图与鼠标键盘动作执行界面任务的智能体能力
Anthropic Computer Use 是 Claude API 的计算机操作能力，开发者可以让模型通过截图和鼠标键盘动作执行 GUI 任务。
状态
verified
闭源/需确认
价格
按 Anthropic API 计费
闭源
入口
API / SDK
API 集成 / 自托管 / SDK 集成
API
有 API/SDK
独立体系
形态
API 能力
API
选型结论
适合需要让模型直接观察屏幕、点击和输入来完成自动化任务的开发团队。操作能力交给模型后，落地要配合隔离环境与权限限制，并接受官方页面的地区访问条件。
定位
适合
成本口径
核心能力
截图驱动操作
模型读取屏幕截图后决定点击与输入位置，把界面操作交给模型判断。
鼠标键盘动作
通过接口返回鼠标移动、点击和键盘输入动作，由开发者侧执行。
工作流自动化
把多步界面任务串成流程，让模型按截图反馈逐步推进直至完成。
开发接口接入
提供接口与开发工具包，便于把操作能力嵌入自有应用与流程。
典型使用场景
界面流程自动化
把重复的点击、填写与提交步骤交给模型在屏幕上执行。
跨系统操作
在多个桌面应用之间切换，由模型读取界面状态并完成连续操作。
测试流程执行
让模型按界面反馈走完操作路径，用于验证交互流程是否可用。
上手步骤
- 1
申请接口权限
在官方平台开通模型接口并确认计算机操作能力的使用条件。
- 2
搭建隔离环境
准备独立运行环境，限制网络、文件与账户权限后再接入操作。
- 3
接入开发工具包
用官方开发工具包调用接口，接收截图与动作指令并回传结果。
- 4
观察执行日志
记录每一步截图与动作，便于排查失败环节和调整权限范围。
价格与使用方式
价格口径
开源状态
API 状态
使用入口
运行方式
支持平台
常见连接对象
所属生态
优点与局限
值得选的地方
- 直接读取屏幕截图，减少对固定选择器的依赖
- 鼠标键盘动作由模型决策，适应界面变化
- 以接口形式提供，便于嵌入自有应用流程
先想清楚的地方
- 必须在隔离环境中运行，权限需严格收紧
- 闭源能力，行为细节依赖官方文档说明
- 官方页面存在地区访问限制，需提前确认
适合谁用
更适合
- 需要界面自动化的开发团队
- 做执行型智能体底层的团队
- 已有隔离环境与权限管理
不太适合
- 追求完全本地离线运行
- 无法提供隔离运行环境
- 只需文本问答的轻量场景
同类对比
4 个同类| 产品 | 形态 | 价格口径 | 开源 | 地区 |
|---|---|---|---|---|
| Anthropic Computer Use Anthropic · 本页 | API 能力 | 按 Anthropic API 计费 | 否 | 海外 |
| ChatGPT agent OpenAI | 云端 SaaS | ChatGPT 订阅内的 Agent 能力；消息额度和可用地区以官方帮助中心和账号页面为准 | 否 | 海外 |
| Genspark Super Agent Genspark | 一站式 AI 工作空间 / 通用执行型 Agent | 免费 + 付费套餐 | 否 | 海外 |
| Lindy Lindy | 企业 AI teammate / 云端 SaaS | 免费试用 + 付费套餐；官网当前提供 7 天试用 | 否 | 海外 |
| Anthropic Claude Agent Anthropic Claude Agent | 云端 Agent | 按官网定价 | 否 | 海外 |
按分类、形态和接入方式挑出最接近的同类，价格口径以各自详情页为准。
常见问题
4 条Computer Use 需要什么运行环境？
需要在隔离环境中运行，并限制网络、文件与账户权限，避免模型操作影响到真实系统与数据。
Computer Use 如何接入应用？
通过官方接口与开发工具包调用，接收截图并返回鼠标键盘动作，由开发者侧执行。
Computer Use 适合做编程助手吗？
它定位是执行型智能体能力，重点是观察屏幕并完成界面操作，不适合当作代码补全或编程助手来使用。
Computer Use 有哪些使用限制？
能力为闭源提供，行为细节以官方文档为准；官方页面可能有地区访问限制，接入前需确认可用性。
网站入口
3 个使用提醒
计算机操作能力必须运行在隔离环境，并限制网络、文件和账户权限；官方页面可能受地区访问限制。