langgraph-cua-py

用 LangGraph 让 AI 自己看屏幕点鼠标干活

langgraph-cua-py 是一个基于 LangGraph 构建的计算机使用智能体（Computer Use Agent，CUA）实现。它解决的问题是：让大模型不仅能聊天，还能像人一样操作电脑界面——移动鼠标、点击按钮、输入文字、读取屏幕内容，从而自动完成跨应用的 GUI 任务。项目用 LangGraph 的状态图编排能力把「观察屏幕→推理决策→执行动作→再观察」的循环组织成可控的智能体流程，核心能力包括屏幕截图感知、动作规划、鼠标键盘操作执行，以及通过图结构管理多步任务的上下文与状态。相比直接写脚本，它把 CUA 的感知-决策-执行循环抽象成可复用、可调试的节点与边，方便开发者替换模型、增删工具、插入人工确认环节。适合想快速搭建桌面自动化智能体原型、又希望流程透明可控的开发者。