Cua 计算机使用代理实战指南三步跑通第一个会操作屏幕的 AI 代理【免费下载链接】cuaScale computer-use 2.0 with open-source drivers, cross-OS fleets, and benchmarks for training, evaluation, and data generation.项目地址: https://gitcode.com/GitHub_Trending/cua/cuaCua 是一个开源的 Computer-Use AgentCUA框架通俗说就是给 AI 发一台看得见的电脑——它能看到屏幕、移动鼠标、敲键盘替你操作桌面应用。适合想给 AI 配上动手能力的开发者。和只调 API 的方案不同Cua 自带跨操作系统的沙盒、macOS 虚拟化和一套评测基准开箱即是一整条链路。它替你解决什么想象两个场景一是你写了一个 AI 代理它很会推理但让它帮我打开浏览器查个东西就卡住了——它没有眼睛也碰不到鼠标。二是你确实有屏幕和鼠标了但代理一执行就动你自己的电脑点错一个地方可能把正在写的内容全丢了你敢吗Cua 就是为这两个问题准备的它把屏幕 输入设备 执行环境打包成一个隔离沙盒sandbox即一次性、用完即毁的隔离环境代理在沙盒里随便折腾搞砸了也不影响你的主机。同一套 Python API底下可以是 Linux 容器、Linux/macOS/Windows/Android 虚拟机本地跑或云端跑都行。最短路径跑起来环境要求一句话Python 3.12 或 3.13本地模式还需要 QEMULinux 容器/VM 走的就是它。第一步安装统一 SDK一个包里聚合了沙盒、代理和 CLIpip install cua装完你手里就有了三样东西Sandbox管沙盒、ComputerAgent驱动代理的 LLM 循环、cua命令行管沙盒和镜像。如果你要的是在 Apple 芯片 Mac 上开一台 macOS 虚拟机这条线另装 Lume把仓库克隆下来后运行仓库里的安装脚本即可脚本拒绝 sudo默认装到~/.local/bingit clone https://gitcode.com/GitHub_Trending/cua/cua /bin/bash cua/libs/lume/scripts/install.sh # 安装 Lume 到用户目录无需 root lume --version # 验证装上了哪个版本第一个完整场景让代理自己上网下面这段代码是最小但完整的端到端演示开一个一次性 Linux 沙盒把代理塞进去丢一句话任务看它自己完成。import asyncio from cua import Sandbox, Image, ComputerAgent async def main(): # localTrue用本地 QEMU 跑不依赖云端 async with Sandbox.ephemeral(Image.linux(), localTrue) as sb: agent ComputerAgent(modelanthropic/claude-sonnet-4-5, tools[sb]) async for response in agent.run(Open the browser and go to example.com): print(response) # 逐步打印代理的每一步动作和结果 asyncio.run(main())输入就是那一句自然语言任务预期输出是代理一连串动作截屏 → 决定点哪 → 点击浏览器图标 → 等待加载 → 输入地址 → 验证页面。背后发生的事很简单每一轮代理都会拿沙盒的截屏当视觉输入模型输出下一步鼠标/键盘动作沙盒执行后再截屏循环直到任务完成。你不需要自己写任何坐标计算。边界与玩法跑通第一个场景后这套东西的玩法远不止在容器里点点点在真机上后台操作——如果你想让代理操作你自己 Mac 或 Windows 上的原生应用又不想它抢走你的鼠标焦点搭配 cua-driver。它在后台驱动桌面应用同一套 CLI 和 MCP 服务器覆盖 macOS、Windows、Linux可以接进 Claude Code、Cursor 这类编码代理。本地开 macOS 虚拟机——云端跑 macOS 嫌贵或者不放心时搭配 Lume 在 Apple Silicon 上用系统自带虚拟化框架开 macOS/Linux VM接近原生性能lume create macos-tahoe \ --ipsw ~/Downloads/macos-tahoe.ipsw \ --unattended tahoe # 无人值守模式自动建用户、开 SSH、禁锁屏 lume run macos-tahoe # 启动虚拟机SSH 账号默认 lume/lume给模型打分和造数据——你在训练或评测计算机使用模型时搭配 Cua-Benchlibs/cua-bench/它内置 OSWorld、ScreenSpot 等基准任务跑完还能导出轨迹trajectory即截屏动作序列直接喂给训练管线。需要规模化时沙盒可以按池子pool管理仓库里有现成的 Terraform 配方docs/content/docs/how-to-guides/sandbox/configure-pool-with-terraform.mdx。新手常踩的坑坑一pip install cua装不上报Could not find a version that satisfies the requirement。十有八九是 Python 版本太旧。cua主包要求 Python 3.12 或 3.13如果你只能用 3.11单独装cua-sandbox可以先跑沙盒部分代理包暂时装不了。坑二Lume 安装脚本直接退出提示Do not run this script with sudo or as root。这是脚本故意拒绝 root——它默认装到用户目录~/.local/bin不需要也不应该用 sudo。去掉 sudo 重新执行即可。坑三代码跑起来了但代理第一步就抛模型相关的连接错误。ComputerAgent只是壳真正干活的是你指定的 LLM 后端OpenAI/Anthropic/Gemini 等API key 没配或网络不通都会在这一步爆出来。先确认环境变量里的 key 有效再回来怀疑沙盒能省一半排查时间。下一步建议先花十分钟把第一个完整场景那段代码跑完一遍——看到代理自己点完浏览器的那一刻你才算真正摸到 Computer-Use 的门道。然后按自己的方向选一条支线深入真机操作看 cua-driver 文档macOS 虚拟机看 Lume 使用教程。【免费下载链接】cuaScale computer-use 2.0 with open-source drivers, cross-OS fleets, and benchmarks for training, evaluation, and data generation.项目地址: https://gitcode.com/GitHub_Trending/cua/cua创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考