gemini-webapi-mcp
★ 65
vs
UI-TARS-desktop
★ 39.4k
gemini-webapi-mcp vs UI-TARS-desktop
gemini-webapi-mcp：这是一个用于Google Gemini的MCP服务器，通过浏览器cookies实现图像生成、编辑、聊天和文件分析。它无需API密钥，并且完全免费。；UI-TARS-desktop：UI-TARS Desktop 是 TARS 多模态 AI 智能体技术栈的桌面应用组件，通过截图理解屏幕内容并与计算机 GUI 交互，支持执行 Shell 命令和浏览器工具，集成 MCP 扩展 Agent 能力。
01
简评
gemini-webapi-mcpVision / Multimodal · ★ 65
根据文本提示生成新图像
UI-TARS-desktopVision / Multimodal · ★ 39.4k
何时选择它（优势与适用）：
- 需要一款基于原生视觉模型的桌面端 GUI 智能体，直接通过看懂屏幕画面、端到端模拟鼠标点击与键盘输入来操作应用。
- 希望拥有一款跨 macOS、Windows 和 Linux 的开源多模态桌面自动化软件，胜任跨软件协同任务。
何时考虑替代方案：
- 操作对象仅为纯 Web 网页；直接通过 Playwright 或 Scrapling 操作 DOM 树比纯视觉模拟点击更快、更稳定。
- 本地或服务端缺乏充足的 GPU 算力或支持高分辨率视觉推理的多模态模型调用预算。
02
并排对比
字段
gemini-webapi-mcpUI-TARS-desktop分类
视觉/多模态
视觉/多模态
Stars
★ 65
★ 39.4k
许可证
AGPL-3.0
Apache-2.0
安装方式
uv run --with "gemini-webapi-mcp[watermark] @ git+https://github.com/AndyShaman/gemini-webapi-mcp.git" gemini-webapi-mcp
npx @agent-tars/cli@latest
更新时间
1个月前
2周前
开源
是
是
标签
Gemini Web API, 图像生成, 图像编辑
GUI 代理, 桌面应用, 多模态 AI
03
功能特性
gemini-webapi-mcp01通过文本描述生成图像
02图像2倍分辨率提升
03通过提示词编辑图像
04文件和URL分析（视频、图像、PDF等）
05自动水印去除
UI-TARS-desktop01原生 GUI 智能体，通过截图理解屏幕并与桌面应用交互
02多模态 LLM 驱动的任意 UI 视觉理解
03内置浏览器自动化和 Shell 命令执行
04MCP 集成，通过自定义工具扩展 Agent 能力
05跨平台桌面应用，提供 Web UI 选项
04
使用场景
gemini-webapi-mcp↳根据文本提示生成新图像
↳通过提供提示和文件编辑现有图像
↳分析各种文件类型（视频、图像、PDF）或通过URL分析网页内容
↳与Gemini进行多轮文本聊天
UI-TARS-desktop↳通过视觉点击无 API 的桌面 GUI 工作流自动化
↳构建结合屏幕理解、网页和文件操作的多模态 Agent
↳通过自然语言指令在桌面执行 AI 辅助计算机任务
05
适合场景
gemini-webapi-mcp—
UI-TARS-desktop最受欢迎必备神器时下流行
FAQ
常见问题
gemini-webapi-mcp 和 UI-TARS-desktop 有什么区别？
gemini-webapi-mcp 和 UI-TARS-desktop 都属于 Vision / Multimodal 类别。gemini-webapi-mcp 有 65 Stars，UI-TARS-desktop 有 39.4k Stars。
gemini-webapi-mcp 和 UI-TARS-desktop 哪个更好？
最佳选择取决于你的具体需求。根据文本提示生成新图像 时选 gemini-webapi-mcp，通过视觉点击无 API 的桌面 GUI 工作流自动化 时选 UI-TARS-desktop。
gemini-webapi-mcp 是免费的吗？
是的，gemini-webapi-mcp 在 GitHub 开源（AGPL-3.0）。
UI-TARS-desktop 是免费的吗？
是的，UI-TARS-desktop 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→