ابزار متن‌باز agent-desktop برای تعامل ایجنت‌های هوش مصنوعی با سیستم‌عامل عرضه شد
آزمایشگاه Vercel Labs ابزار متن‌باز agent-desktop را برای تعامل ایجنت‌های هوش مصنوعی با سیستم‌عامل‌های مک‌اوس، ویندوز و لینوکس منتشر کرد. این ابزار به جای اسکرین‌شات، برنامه‌ها را از طریق درخت دسترسی سیستم‌عامل می‌خواند و مصرف توکن را به شدت کاهش می‌دهد.
آزمایشگاه Vercel Labs ابزار متن‌باز جدیدی به نام agent-desktop را به صورت رابط خط فرمان (CLI) برای سیستم‌عامل‌های مک‌اوس، ویندوز و لینوکس عرضه کرده است. این ابزار به ایجنت‌های هوش مصنوعی اجازه می‌دهد به جای اتکا به اسکرین‌شات و مدل‌های بینایی، مستقیماً از طریق درخت دسترسی (accessibility tree) سیستم‌عامل با برنامه‌های بومی تعامل داشته باشند. این ابزار به صورت یک کتابخانه C و CLI مبتنی بر زبان Rust توسعه یافته و بدون نیاز به پردازنده گرافیکی اجرا می‌شود.
برخلاف ابزارهای سنتی مبتنی بر تصویر که برای هر اسکرین‌شات حجم بالایی از توکن‌ها را مصرف می‌کنند، agent-desktop با استفاده از ساختار اسکلتی (skeleton traversal) می‌تواند میزان مصرف توکن را به طور چشمگیری کاهش دهد. این ابزار درخواست‌ها را به صورت ساختاریافته در قالب JSON بازمی‌گرداند و به ایجنت‌ها اجازه می‌دهد اقداماتی مانند کلیک و ناوبری را بدون جابجایی نشانگر موس یا فعال کردن پنجره‌ها به صورت سرورلس یا در پس‌زمینه انجام دهند.
این ابزار از پلتفرم‌های مختلف شامل مک‌اوس، ویندوز و لینوکس پشتیبانی می‌کند و تحت مجوز Apache-2.0 منتشر شده است. با این حال، سازندگان خاطرنشان کرده‌اند که برنامه‌های فاقد درخت دسترسی یا برنامه‌های کند الکترون ممکن است با محدودیت‌هایی در این زمینه مواجه شوند و استفاده از آن نیازمند رعایت نکات امنیتی مربوط به داده‌های خصوصی است.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.