AgentIndex icon
AgentIndex
工具MCP 服务HOT分类热门最新选型清单对比指南
提交工具
工具MCP 服务HOT分类热门最新选型清单对比指南
首页/
视觉/多模态/
UI-TARS-desktop
UI-TARS-desktop logo

UI-TARS-desktop

活跃·★ 39.6k·Apache-2.0·更新于 2026-10-09
★ 最受欢迎★ 必备神器

字节跳动的这个仓库托管了 TARS——一个开源的多模态 AI Agent 技术栈,包含两个项目。Agent TARS 是通用的多模态 Agent,提供 CLI 和 Web 界面,把 GUI Agent 的视觉能力与基于 DOM 的浏览器控制、MCP 工具结合起来,目标是以接近人的方式完成任务。UI-TARS Desktop 是一个原生桌面应用,让视觉语言模型(基于 UI-TARS 和 Seed-VL 系列模型)用鼠标和键盘操作你的本地电脑、远程电脑或浏览器。

它适合探索“计算机操作类 Agent”的开发者和研究者:自动化没有 API 的桌面应用中的界面操作,完成比价、预订行程这类多步骤浏览器任务,或者为能“看屏幕”的 Agent 做原型。UI-TARS Desktop 支持 Windows、macOS 和浏览器,基于截图识别并实时显示状态;Agent TARS 既可以在 Web 界面中有头运行,也可以作为服务无头运行,还能挂载更多 MCP Server。

上手方式:用 `npx @agent-tars/cli@latest` 运行 Agent TARS(全局安装需要 Node.js 22+),并传入模型服务商和 API Key,例如火山引擎或 Anthropic。UI-TARS Desktop 是单独的桌面应用,按照其快速上手文档下载安装,再配置一个视觉语言模型的接口地址。

本文根据项目 README 和公开仓库数据整理,我们没有实际试用过该工具。数据截至 2026-11-07。

许可证
Apache-2.0
最新发布
v0.3.1 · 2026-10-08
最近提交
2026-10-09
贡献者
50
复刻数
4,027
未关闭的 issue 和 PR
511
首次发布
2025-01-19

来源:GitHub、npm 和 PyPI 的公开接口。

#GUI 代理#桌面应用#多模态 AI#自动化#跨平台
$ 安装
$ npx @agent-tars/cli@latest
↗ 访问官网★ GitHub
01

功能特性

01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
02

为什么选择它

+通过视觉操作任意图形界面,包括没有 API 的桌面应用。
+两个互补的工具:桌面 GUI Agent,以及带 CLI、Web 界面和 MCP 支持的通用多模态 Agent。
+支持本地电脑、远程电脑和浏览器三种操作对象。
+背后有字节跳动 UI-TARS 研究模型的支持;采用 Apache-2.0 许可。
03

权衡点

!GUI Agent 以你的权限直接在屏幕上操作;运行时要有人监督,避免在有敏感会话的电脑上使用。
!基于视觉的控制比 API 或 DOM 自动化更慢、确定性更低,效果取决于所用的模型。
!需要能使用一个足够强的视觉语言模型(托管或自行部署),运行成本可能较高。
05

维护状况检查

活跃检查日期: 2026-11-06
最近提交
2026-10-09
近 90 天提交数
8
近 90 天发布数
1
最新发布
v0.3.1 (2026-10-08)
未关闭 issue
511
近期 issue 至少有一条评论的比例
13/16
近 12 周每周提交数
近 12 周每周提交数: 0, 0, 0, 0, 0, 5, 0, 3, 0, 0, 0, 0

最早的一周在左边,最近 4 周为橙色。数据来源:GitHub 提交统计。

状态规则:GitHub 上已归档 = 已归档;最近提交在 90 天内 = 活跃;91 到 365 天 = 放缓;更久 = 停滞。所有数字来自所示日期的 GitHub API。

讨论最多的未关闭 issue

  • #268 [Feature] Windows platform support for Agent TARS 23 条评论 · 2025-03-22
  • #591 [Bug]: Missing clicks20 条评论 · 2025-05-13
  • #587 [Bug]: UI-TARS-2B-SFT model maximum context length Error16 条评论 · 2025-05-13
  • #11 no action after thinking12 条评论 · 2025-01-22
  • #311 Mac已经按要求授权应用访问设备的权限,依然无法执行浏览器访问11 条评论 · 2025-03-24

issue 标题引自 GitHub。请打开链接确认该问题是否仍适用于你使用的版本。

04

适合谁

适合选它的情况
  • 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。
建议换别的情况
  • 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。
06

与同类的区别

Open Interpreter logovs Open Interpreter★ 68.9k

UI-TARS Desktop 通过视觉感知屏幕画面并模拟真实鼠标轨迹与按键;Open Interpreter 则主要在终端底层运行,通过直接执行生成的代码脚本来操作计算机。

完整横向对比 →
07

兼容性

macOS
支持
已通过文档验证
Windows
支持
已通过文档验证
Linux
支持
已通过文档验证
08

快速开始

1
$ npx @agent-tars/cli@latest
09

使用场景

↳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
10

同类工具

⚡热门对决:
VSOpen Interpreter★68.9k→VSvideo-search-and-summarization★2.0k→VSMeshroom★13.1k→VSGemini CLI★108.9k→
Open Interpreter logo
Open Interpreter★ 68.9k
面向终端的编程 Agent,针对低成本和开源模型优化。基于 OpenAI Codex 分叉,可以模拟其他 Agent 运行框架,并在原生沙箱中执行命令。
VS对比→
video-search-and-summarization logo
video-search-and-summarization★ 2.0k
NVIDIA AI视频搜索与摘要蓝图(VSS)提供构建视觉代理和AI驱动视频分析应用的参考架构。
VS对比→
Meshroom logo
Meshroom★ 13.1k
Meshroom是一个开源的、基于节点的视觉编程框架,一个用于创建、管理和执行复杂数据处理管道的灵活工具箱。
VS对比→
Gemini CLI logo
Gemini CLI★ 108.9k
Gemini CLI 是一个开源的 AI 代理,将 Gemini 的强大功能直接带入您的终端,提供轻量级访问,让您的提示能够最直接地到达模型。
VS对比→
Cherry Studio logo
Cherry Studio★ 53.6k
Cherry Studio 是一款支持多种大型语言模型提供商的桌面客户端,可在 Windows、Mac 和 Linux 上使用。
VS对比→
GitHub MCP Server logo
GitHub MCP Server★ 34.5k
GitHub MCP 服务器将AI工具直接连接到GitHub平台,使AI代理、助手和聊天机器人能够通过自然语言交互管理GitHub资源和自动化工作流。
VS对比→
budibase logo
budibase★ 28.4k
Budibase是一个开源的低代码平台,帮助工程师安全、快速地构建表单、门户和审批应用。
VS对比→
keep logo
keep★ 12.5k
Keep是一个开源的AIOps和告警管理平台,用于统一和智能地处理所有告警和事件。
VS对比→
查看全部替代品 →

评论

登录后发表评论

暂无评论,来发表第一条吧

本页内容
01功能特性02为什么选择它03权衡点05维护状况检查04适合谁06与同类的区别07兼容性08快速开始09使用场景10同类工具
bytedance /
UI-TARS-desktop
↗

字节跳动的多模态 Agent 技术栈和桌面 GUI Agent

39.6k4.0kApache-2.0
最后更新1个月前
状态活跃
分类视觉/多模态
贡献者50
最新发布v0.3.1
链接
文档↗讨论↗问题↗版本↗
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)。

立即领取 $200 免费额度
© 2026 AgentIndex.app|由十年 iOS 开发者构建。
按场景挑选关于我们联系我们广告合作隐私政策使用条款QYSGitHub请作者喝咖啡 ☕

按分类浏览

MCP 服务器代码助手工作流自动化RAG / 知识库多智能体浏览器自动化大模型基础设施开发者工具可观测性

与 Anthropic, OpenAI 或 Microsoft 无关。