项目介绍
TARS 是一个多模态AI代理栈，旨在将GUI代理和视觉技术的强大功能带入您的终端、计算机、浏览器和各类产品中。它现在主要包含两个项目：Agent TARS和UI-TARS-desktop。
通过创新的工作流程和尖端的多模态大语言模型（LLM），TARS旨在提供一种更接近人类任务完成方式的操作体验，并与多种现实世界工具无缝集成。
Agent TARS
核心功能
- 一键式CLI ：支持图形用户界面（GUI）和无头服务器执行。
- 混合浏览器代理：可以通过GUI代理、DOM或混合策略控制浏览器。
- 事件流：基于协议的事件流驱动上下文工程和代理用户界面。
- MCP集成：内核基于MCP，支持连接至现实工具的MCP服务器。
使用示例
bash
# Launch with `npx`.
npx @agent-tars/cli@latest
# Install globally, required Node.js >= 22
npm install @agent-tars/cli@latest -g
# Run with your preferred model provider
agent-tars --provider volcengine --model doubao-1-5-thinking-vision-pro-250428 --apiKey your-api-key
agent-tars --provider anthropic --model claude-3-7-sonnet-latest --apiKey your-api-key更多详细的设置说明，请访问快速入门指南。
UI-TARS Desktop
UI-TARS Desktop是一个原生GUI代理应用，驱动于UI-TARS模型。它不仅支持本地计算机操作，还能进行远程控制。
核心功能
- 自然语言控制：支持基于视觉-语言模型的自然语言指令。
- 截图与视觉识别：提供屏幕截图及图像识别支持。
- 精确的鼠标和键盘控制：允许用户以极高的精度操作。
- 跨平台支持：兼容Windows、MacOS及浏览器操作。
- 实时反馈和状态显示：用户可实时查看操作状态。
- 私密安全：所有处理均在本地进行，无需网络传输敏感数据。
使用示例
| 指令 | 本地操作 | 远程操作 |
|---|---|---|
| 请帮助我在VS Code设置中打开自动保存功能，并将自动保存延迟500毫秒。 | ||
| 你能帮我检查一下UI-TARS-Desktop项目在GitHub上的最新开放问题吗？ |
更多详细信息以及快速入门指南，请参阅快速入门。
结论
TARS和UI-TARS Desktop项目为用户提供了一种更为高效和友好的AI代理使用体验。无论你是希望在终端上执行复杂命令，还是寻求通过图形界面简化操作，TARS都能满足你的需求。作为多模态AI代理解决方案的开创者，这些工具的应用场景广泛，从智能助手到自动化办公，提供了丰富的功能和灵活的使用习惯。