UI-TARS-desktop

UI-TARS-desktop 是一个开源的桌面级多模态AI智能体应用，旨在通过视觉语言模型（VLM）实现对本地计算机、浏览器等GUI界面的自主操作。它支持本地与远程两种运行模式，集成MCP（Model Control Protocol）标准协议，提供开箱即用的图形界面智能体能力，核心依赖UI-TARS模型，具备屏幕理解、动作生成与跨应用任务编排能力。适用于自动化办公、GUI测试、辅助无障碍交互及AI代理研究等需真实界面操作的场景。