TuriX-CUA
基于 Qwen3-VL 多模态视觉模型的开源计算机使用 Agent 框架，支持浏览器自动化操作和 GUI 控制，集成 MCP 协议，是 Computer-Use Agent 领域的新兴方案。
🎯适用场景：AI驱动的桌面和浏览器GUI自动化操作，适合需要跨平台计算机使用场景的Agent应用
📊 仓库数据
✅ 优点
- •基于Qwen3-VL多模态视觉模型，理解GUI能力强
- •MCP协议集成便于扩展
- •MIT开源许可可自由使用
⚠️ 限制
- •项目较新社区生态小
- •依赖Qwen3-VL模型的视觉理解能力
🔗 相关工具
Agent S
github.com/simular-ai/Agent-S
开源的类人计算机操作 Agent 框架，11K+ stars。结合计算机界面理解、上下文强化学习和记忆检索，让 Agent 像人类一样使用电脑，支持跨平台桌面自动化操作
🎯多模态内容理解与生成
Apache Airflow
github.com/apache/airflow
Apache 顶级项目，AI 工作流编排的事实标准，45K+ stars。以 DAG 方式定义、调度和监控复杂数据处理管道——支持 ML 训练管道编排、模型推理任务调度、数据 ETL 等，是生产级 AI 基础设施的核心组件
🎯分布式 ML 训练与推理调度、AI 数据管道编排
OmniParser
github.com/microsoft/omniparser
微软屏幕解析工具，将屏幕元素转化为结构化数据，为纯视觉 GUI Agent 提供输入
🎯机器人控制、仿真与边缘部署
Bytebot
github.com/bytebot-ai/bytebot
自托管 AI 桌面 Agent，11K+ stars。通过自然语言命令自动化完成电脑操作任务，是本地化 Computer Use Agent 的新选择
🎯本地化桌面任务自动化，如文件操作、浏览器自动化、批量数据处理
RobotGo
github.com/go-vgo/robotgo
Go 原生跨平台 RPA 自动化工具，支持 GUI 控制、屏幕截图、键鼠模拟和窗口操作，可与 AI Agent 结合实现 Computer Use 场景的自动化交互
🎯AI Agent 的 Computer Use 底层 GUI 操作、跨平台桌面自动化测试
Browser MCP
github.com/epiral/bb-browser
浏览器即 API — CLI + MCP Server 让 AI Agent 控制 Chrome 浏览器，保持用户登录状态，自动化网页操作
🎯AI Agent 网页自动化、带登录状态的爬虫、浏览器操作代理