Agent TARS：使用视觉和命令操作电脑的开源智能体

综合介绍

Agent TARS 是一个由字节跳动开源的多模态 AI 智能体，核心特点是通过视觉理解网页内容，并结合命令行和文件系统操作，帮助用户完成复杂的电脑任务。它不像传统工具需要手动操作，而是能自动执行浏览器任务、编辑文件或运行命令。网站提供了桌面应用下载和技术文档，适合开发者或需要自动化工作流的用户。目前它处于技术预览阶段，主要支持 macOS 系统。Agent TARS 的目标是让电脑操作更智能、更高效。该项目基于 UI-TARS Desktop 进行浏览器封装，对标 Manus 。

功能列表

• 浏览器自动化：通过视觉识别网页元素，自动完成搜索、点击、填写表单等操作。
• 命令行集成：支持直接运行系统命令，执行脚本或管理后台任务。
• 文件系统操作：能读取、编辑或生成文件，处理数据或保存结果。
• 任务规划与执行：分解复杂任务，自动按步骤完成，支持深度研究或重复性工作。
• 多模态交互：结合图像、文字和代码输入，适应不同类型任务。
• 工具扩展：集成搜索、文件编辑和模型上下文协议（MCP），提升功能灵活性。
• 桌面应用支持：提供界面展示操作过程，方便用户实时查看和调整。

使用帮助

Agent TARS 的使用分为安装和操作两部分。以下是详细步骤，让你快速上手。

安装流程

1. 下载桌面应用
   打开官网 https://agent-tars.com/，点击“Download”按钮，跳转到 GitHub 发布页面（https://github.com/bytedance/UI-TARS-desktop/releases）。选择最新版本（如 AgentTARS-macOS-latest.dmg）下载。文件大小约几十 MB，视网络速度需 1-5 分钟。
2. 安装到 macOS
   下载完成后，双击 .dmg 文件，弹出安装窗口。将 Agent TARS 图标拖到“应用程序”文件夹。安装过程只需几秒。完成后，在“应用程序”中找到 Agent TARS，点击打开。
3. 设置权限
   首次启动时，macOS 会提示授予“辅助功能”权限。点击“系统设置 > 隐私与安全性 > 辅助功能”，找到 Agent TARS，开启开关。这是为了让它能控制屏幕和键盘。
4. 配置模型和 API
   打开应用后，点击左下角设置按钮，进入配置页面。需要设置模型提供商（如 Azure OpenAI）和 API 密钥。具体步骤：
   • 在“Model Config”中选择提供商。
   • 输入你的 API 密钥（需自行从提供商获取）。
   • 如果用 Azure，还需填入 apiVersion、deploymentName 和 endpoint。
     保存后，应用会自动连接模型。
5. 可选搜索配置
   如果需要网页搜索功能，进入“Search Config”，选择搜索提供商并输入 API 密钥。完成后保存。

操作流程

安装好后，Agent TARS 的主界面很简单，有输入框和操作显示区。以下是主要功能的用法。

浏览器自动化

• 步骤：在输入框输入任务，如“搜索最新 AI 新闻并保存标题”。按回车键，Agent TARS 会打开内置浏览器，自动搜索并提取标题。
• 显示：右侧窗口会实时展示浏览器操作，比如打开网页、滚动页面。
• 结果：完成后，它会将标题保存为文本文件，路径显示在界面底部。

命令行集成

• 步骤：输入命令，如“列出当前文件夹文件”（macOS 下是 ls -l 的等效命令 dir）。按回车键，Agent TARS 调用终端执行。
• 显示：命令输出会出现在界面下方，方便查看。
• 高级用法：可输入复杂脚本，如“检查系统内存并记录”，它会运行对应命令并保存结果。

文件系统操作

• 步骤：输入“新建文件 test.txt 并写入‘hello’”。按回车键，Agent TARS 创建文件并写入内容。
• 显示：操作过程会显示在界面，完成后可点击路径查看文件。
• 编辑文件：输入“打开 test.txt 并添加‘world’”，它会自动修改文件。

任务规划与执行

• 步骤：输入复杂任务，如“研究 Python 最新版本特性并整理文档”。Agent TARS 会分解任务：搜索资料、提取信息、生成文件。
• 显示：右侧窗口展示每步操作，如打开网页、复制文字。
• 结果：最终生成整理好的文档，保存到指定路径。

人机协作

• 实时调整：任务执行中，可在输入框追加指令，如“再加一段例子”。Agent TARS 会根据新输入调整操作。
• 分享结果：点击“Share”按钮，选择“Local HTML”生成操作记录文件，或配置远程服务器 URL 上传分享。

注意事项

• 环境要求：目前仅支持 macOS，Windows 和 Linux 版本尚未发布。
• 网络连接：需要稳定网络以连接模型和搜索服务。
• 调试：若功能失效（如搜索失败），检查 API 密钥是否正确，或加入 Discord 社区求助（链接在官网）。

通过这些步骤，你可以轻松使用 Agent TARS 完成从简单文件操作到复杂研究任务的各种工作。

应用场景

1. 网页自动化
   用 Agent TARS 自动浏览网页，提取新闻或产品信息。比如，输入“收集最近科技新闻标题”，它会搜索并保存结果，适合市场研究或资讯整理。
2. 任务管理
   规划复杂项目，如“制定旅行计划”，它会搜索航班、酒店信息并整理成文档。适合个人助理或项目管理。
3. 代码辅助
   输入“生成 Python 脚本检查文件大小”，Agent TARS 会写好代码并保存，方便开发者快速生成工具。
4. 数据分析
   处理实时数据，如“分析网页上的股票数据并保存表格”。它会提取数据并生成文件，适合金融或市场分析。

QA

1. Agent TARS 是免费的吗？
   是的，它是开源项目，遵循 Apache 2.0 许可证。代码和应用可免费从 GitHub 下载使用。
2. 支持 Windows 系统吗？
   目前仅支持 macOS，Windows 和 Linux 版本还在开发中，具体进度可关注 GitHub 更新。
3. 需要编程知识吗？
   不需要。它用自然语言操作，普通用户也能上手。但懂编程可以更好地利用命令行功能。
4. 如何解决搜索功能失效？
   检查“Search Config”中的 API 密钥是否正确，或者网络是否连接正常。还可加入 Discord 社区反馈问题。