UI-TARS-desktop
活跃·★ 38.4k·Apache-2.0·更新于 2026-08-02
★ 最受欢迎★ 时下流行★ 必备神器
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。
UI-TARS-desktop 当前归类于 Vision / Multimodal，更适合那些希望围绕具体工作流而不是单一功能点来选型的团队。从当前资料来看，它尤其强调 原生 GUI 智能体，通过截图理解屏幕并与桌面应用交互、通过视觉点击无 API 的桌面 GUI 工作流自动化 这类能力。如果你关心许可证与可二次使用性，当前页面记录的许可证是 Apache-2.0。同时它也具备一定社区热度，当前 GitHub Stars 为 38.4k。
#GUI 代理#桌面应用#多模态 AI#自动化#跨平台
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
+原生 GUI 智能体，通过截图理解屏幕并与桌面应用交互
+通过视觉点击无 API 的桌面 GUI 工作流自动化
+覆盖 3 个兼容环境或平台，更适合需要跨端部署的团队。
+提供公开仓库并标注 Apache-2.0 许可证，便于评估可维护性与采用成本。
03
权衡点
!同分类下还有 8 个相关工具可比较，最终选择更适合在同类对比后决定。
04
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
05
快速开始
1
$ npx @agent-tars/cli@latest
06
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
07
同类对比
≈UI-TARS-desktop 属于 Vision / Multimodal 分类，适合与 ragflow 等同类工具一起比较，而不是单独判断。
≈如果你的核心需求更接近“通过视觉点击无 API 的桌面 GUI 工作流自动化”，那么这类场景会比泛用型工具对比更有参考价值。
≈UI-TARS-desktop 采用 Apache-2.0 许可证，社区热度都应该与同类项目一起看。
08
同类工具
相关搜索
评论
登录后发表评论
- ?usr_seed_01332026年5月25日
Good for building desktop AI assistants that can see and interact with any application.
- ?usr_seed_03522026年4月23日
Handles the model integration complexity so you focus on task definition.
- ?usr_seed_04662026年3月28日
Open-source foundation means you're not locked into proprietary automation platforms.
- ?usr_seed_06752026年3月21日
Multimodal AI agent stack that connects cutting-edge models to desktop automation.