cua: 为 AI 智能体提供高性能虚拟环境

最新推荐文章于 2025-08-09 17:19:50 发布

小众AI

最新推荐文章于 2025-08-09 17:19:50 发布

阅读量1k

点赞数 12

CC 4.0 BY-SA版权

分类专栏： AI开源文章标签：人工智能 AI编程

本文链接：https://blog.csdn.net/puterkey/article/details/147644795

AI开源专栏收录该内容

141 篇文章

订阅专栏

GitHub：GitHub - trycua/cua: c/ua is the Docker Container for Computer-Use AI Agents.

更多AI开源软件：发现分享好用的AI工具、AI开源软件、AI模型、AI变现 - 小众AI

一个专为 AI 智能体设计的高性能操作系统虚拟化与控制框架。它通过轻量级、近乎原生速度的虚拟容器，让 AI Agent 能够在完全隔离的 macOS 或 Linux 环境中自动执行“用电脑”任务，如操作应用、上网、写代码、自动化复杂办公流程等，并内置多种主流 LLM（大模型）接口。

主要功能

高性能虚拟化：在 Apple Silicon 上运行 macOS/Linux 虚拟机，性能接近原生（90%）。
AI 代理操作：支持 AI 在虚拟机中操作 macOS 系统及应用（如浏览器、VS Code）。
安全隔离：所有操作在沙盒化的虚拟环境中运行，保护主机系统。
多应用支持：AI 可操控虚拟机内的多种程序，实现复杂工作流。
兼容多种大模型：支持 OpenAI、Anthropic 的 CUA 模型，未来还将兼容 Ollama 等本地大模型。

安装和使用

系统要求

配备 Apple Silicon 的 Mac（M1/M2/M3/M4 系列）
macOS 15 （Sequoia）或更高版本
Python 3.10+（计算机、代理和 MCP 库需要）。我们建议使用 Conda（或 Anaconda）创建临时 Python 环境。
VM 映像的磁盘空间（建议 30GB+）

1：仅限 Lume CLI（VM 管理）

如果您只需要虚拟化功能：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/trycua/cua/main/libs/lume/scripts/install.sh)"

（可选）如果您不希望 Lume 作为后台服务运行：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/trycua/cua/main/libs/lume/scripts/install.sh) --no-background-service"

注意：如果您选择此选项，则需要在需要时通过在终端中运行来手动启动 Lume API 服务。这适用于完成步骤 1 后的选项 2。lume serve

有关 Lume 使用说明，请参阅 Lume 文档。

2：完整的计算机使用代理功能

如果要将 AI 代理与虚拟化环境一起使用：

安装 Lume CLI：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/trycua/cua/main/libs/lume/scripts/install.sh)"

拉取最新的 macOS CUA 映像：
```
lume pull macos-sequoia-cua:latest
```

安装 Python 库：

pip install cua-computer cua-agent[all]

在 Python 代码中使用这些库：

from computer import Computer
from agent import ComputerAgent, LLM, AgentLoop, LLMProvider

async with Computer(verbosity=logging.DEBUG) as macos_computer:
  agent = ComputerAgent(
      computer=macos_computer,
      loop=AgentLoop.OPENAI, # or AgentLoop.ANTHROPIC, or AgentLoop.OMNI
      model=LLM(provider=LLMProvider.OPENAI) # or LLM(provider=LLMProvider.ANTHROPIC)
  )

  tasks = [
      "Look for a repository named trycua/cua on GitHub.",
  ]

  for task in tasks:
    async for result in agent.run(task):
      print(result)

浏览 Agent Notebook 以获取可运行的示例。

或者，您可以将代理与 Gradio UI 一起使用：

from utils import load_dotenv_files
load_dotenv_files()

from agent.ui.gradio.app import create_gradio_ui

app = create_gradio_ui()
app.launch(share=False)

3：从源构建

如果您想为项目做出贡献或需要最新的 nigh