UI-TARS-desktop

让 AI 直接看屏幕、动鼠标，替你操作电脑

UI-TARS-desktop 是字节跳动开源的多模态 AI Agent 桌面栈，目标是把前沿视觉语言模型与 Agent 基础设施打通，让 AI 能像人一样操作电脑。它提供桌面客户端，支持通过自然语言指令控制本地应用、浏览器和文件系统，核心能力包括 GUI 操作（点击、输入、滚动）、浏览器自动化、MCP 协议接入、多模态理解与任务规划。项目同时包含 Agent TARS 框架和 UI-TARS 模型集成，开发者可以快速搭建能看屏幕、会操作、可扩展的智能体应用。相比纯 API 型 Agent，它更强调端到端的桌面级自动化，适合做个人助手、RPA 替代和 AI 操作系统的探索。

开源 freemium 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 39049

维护状态较活跃

是否开源是

定价模式 freemium

项目数据

分类智能体

开发团队bytedance

所属国家

官网地址https://agent-tars.com

GitHubhttps://github.com/bytedance/UI-TARS-desktop

定价模式freemium

价格说明开源免费，官网提供云服务，定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言TypeScript

技术栈/模型agent,agent-tars,browser-use,computer-use,cowork,gui-agent,gui-operator,mcp,mcp-server,multimodal,tars,ui-tars,vision,vlm

GitHub 星标★ 39049

30天Star增速

HF 下载量

上线时间2025-01-19 00:00:00

最近更新2026-09-19 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-12

浏览次数0

使用教程

难度：入门约 10 分钟部署方式：命令行工具 5 步

环境要求

Node.js >= 22（README 明确要求，用于运行 @agent-tars/cli）
可用的 npm 环境（能执行 npm install -g 全局安装）
一个支持的模型服务商 API Key（示例为 volcengine 或 anthropic）
终端环境（README 示例均为 bash 命令）

安装与启动步骤

1确认 Node 版本

README 要求 Node.js >= 22，先检查本机版本，低于 22 需先升级 Node.js。
```
node -v
```
2全局安装 CLI

通过 npm 全局安装 Agent TARS 命令行工具，安装后即可在任意目录执行 agent-tars。
```
npm install @agent-tars/cli@latest -g
```
3用火山引擎模型运行

替换 your-api-key 为真实密钥后执行，即可用 doubao 视觉模型启动 Agent TARS。
```
agent-tars --provider volcengine --model doubao-1-5-thinking-vision-pro-250428 --apiKey your-api-key
```
4或改用 Anthropic 模型

如使用 Claude，换成对应的 provider 与 model 参数，apiKey 填 Anthropic 密钥。
```
agent-tars --provider anthropic --model claude-3-7-sonnet-latest --apiKey your-api-key
```
5查看桌面端快速开始

UI-TARS-desktop 桌面客户端 README 只给出 docs/quick-start.md 链接，请按该文档安装。

关键配置

配置项	必填	说明	示例
`--provider`	是	指定模型服务商，README 示例为 volcengine 与 anthropic	`volcengine`
`--model`	是	指定该服务商下的模型名称	`doubao-1-5-thinking-vision-pro-250428`
`--apiKey`	是	模型服务商 API 密钥，需替换为真实值	`sk-xxxxxxxx`

如何确认成功

命令执行后终端进入 Agent TARS 交互界面并能正常返回模型响应，即启动成功。

常见问题

Q：执行 npm install 报 Node 版本不支持怎么办？

A：README 要求 Node.js >= 22，请先升级 Node.js（如使用 nvm 安装 22 及以上版本）后重新执行安装命令。

Q：除了 volcengine 和 anthropic，还支持哪些服务商？

A：README 只给出了 volcengine 与 anthropic 两个示例，其他服务商请参考官网 agent-tars.com 的 Quick Start 文档确认。

Q：如何安装 UI-TARS-desktop 桌面客户端？

A：README 未在节选中给出桌面端安装命令，仅指向仓库内 ./docs/quick-start.md，请打开该文档按步骤操作。

Q：apiKey 可以直接写进脚本或提交到仓库吗？

A：不建议。API Key 属于敏感凭证，示例中的 your-api-key 需替换为真实值并妥善保管，避免泄露。

注意事项

README 节选只覆盖 Agent TARS CLI 的安装与运行，UI-TARS-desktop 桌面端安装步骤需查阅 ./docs/quick-start.md。
命令中的 your-api-key 是占位符，必须替换为真实密钥，否则无法调用模型。
模型名称与服务商需成对使用，勿把 anthropic 的模型名配到 volcengine 上。

核心亮点

提供完整桌面客户端，开箱即可用自然语言控制本地应用和浏览器
集成 MCP 协议，可灵活接入外部工具和数据源，扩展性强
背后有字节跳动 UI-TARS 视觉语言模型支持，GUI 理解与操作精度较高

不足之处

依赖视觉模型推理，对本地算力和网络环境有一定要求
桌面自动化在复杂动态界面下稳定性仍需打磨

适用场景

个人办公自动化：让 AI 自动整理文件、填写表单、操作后台系统
浏览器任务代理：自动搜索、比价、抓取信息并汇总
开发者构建 GUI Agent：基于该栈快速搭建能操作软件的多模态智能体

替代项目

Open Interpreter、AutoGPT

项目介绍

UI-TARS-desktop 是一个智能体领域的开源项目，官方简介：The Open-Source Multimodal AI Agent Stack: Connecting Cutting-Edge AI Models and Agent Infra。项目使用 TypeScript 开发，在 GitHub 上获得 38934 星标。

上一篇：ai-agent-template-openai

下一篇：docker-agent