bytedance/UI-TARS-desktop

これは何？

主な機能

• 01ヘッドフルモードまたはヘッドレスモードでエージェントを実行するためのコマンドラインインターフェースとWeb UI
• 02視覚的なグラウンディング、DOM、または両者を組み合わせた方式によるブラウザー操作
• 03MCPを基盤とし、外部MCPサーバーのマウントに対応
• 04スクリーンショットを読み取り、マウスやキーボードを操作してローカルコンピューターを自然言語で制御するデスクトップアプリ
• 05ローカルおよびリモートのコンピューターやブラウザーを操作するオペレーター

ユースケース

• 旅行やホテルの予約など、複数の手順を要するブラウザータスクの自動化
• APIがない場合に、スクリーンショットを使ってAIエージェントにデスクトップアプリケーションを操作させる
• MCPサーバー経由でエージェントを実世界のツールに接続し、グラフを生成するなどのタスクを実行する
• UI-TARS SDKを基盤にしたGUI自動化エージェントの構築

クイックスタート

1. 1

   npxでAgent TARSを起動する

   npx @agent-tars/cli@latest
2. 2

   Agent TARS CLIをグローバルにインストールする（Node.js 22以降が必要）

   npm install @agent-tars/cli@latest -g
3. 3

   モデルプロバイダーとAPIキーを指定して実行する

   agent-tars --provider anthropic --model claude-3-7-sonnet-latest --apiKey your-api-key

使う前に知っておきたいこと

• !Agent TARS CLIにはNode.js 22以降が必要です。
• !エージェントを使用するには、VolcengineやAnthropicなどのモデルプロバイダーのAPIキーが必要です。

トピック

よくある質問

UI-TARS-desktop とは？

ByteDance発のオープンソースなマルチモーダルAIエージェント基盤。CLI/Web UIのAgent TARSと、デスクトップGUIエージェントアプリのUI-TARS Desktopを提供。 TARSはByteDance発のマルチモーダルAIエージェント基盤で、2つのプロジェクトを提供しています。Agent TARSは、コマンドラインインターフェースとWeb UIを備えた汎用エージェントです。GUIやビジョン機能をマルチモーダルLLM、MCPツールと組み合わせています。視覚的なグラウンディング、DOM、または両者を組み合わせた方式でブラウザーを操作でき、ヘッドフルモードとヘッドレスモードの両方で動作します。

UI-TARS-desktop は無料で使えますか？ライセンスは？

UI-TARS-desktop は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

UI-TARS-desktop は今もメンテナンスされていますか？

活発にメンテナンス中。UI-TARS-desktop の最終コミットは 2026年10月9日 です。

UI-TARS-desktop は何に使えますか？

旅行やホテルの予約など、複数の手順を要するブラウザータスクの自動化 APIがない場合に、スクリーンショットを使ってAIエージェントにデスクトップアプリケーションを操作させる MCPサーバー経由でエージェントを実世界のツールに接続し、グラフを生成するなどのタスクを実行する UI-TARS SDKを基盤にしたGUI自動化エージェントの構築

UI-TARS-desktop のインストール方法は？

npxでAgent TARSを起動する: npx @agent-tars/cli@latest Agent TARS CLIをグローバルにインストールする（Node.js 22以降が必要）: npm install @agent-tars/cli@latest -g モデルプロバイダーとAPIキーを指定して実行する: agent-tars --provider anthropic --model claude-3-7-sonnet-latest --apiKey your-api-key

UI-TARS-desktop はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/bytedance/UI-TARS-desktop