对 AI Agent 的要求越来越高，除了写代码、查资料、帮忙规划执行任务，还想让它帮忙操作电脑，访问浏览器、填写表单、打开软件。但现实是，真让它接管时，鼠标和屏幕全被占了，我们反倒无法使用电脑，只能干等着。
直到在 GitHub 上看到 Cua 这个开源项目，已经斩获了 18000+ Star。
Cua 核心只做一件事：让 AI Agent 安全流畅地操作整个桌面系统。看屏幕、移动鼠标、键盘输入、运行命令、打开各种桌面软件全都可以。它支持操作 Linux、macOS、Windows 甚至安卓系统，运行环境可放到云端或本地。
只需几行代码，就能建立起一个沙箱，类似一台虚拟电脑，让 Agent 在这里面进行操作。这样 Agent 不会抢占真实电脑上的鼠标焦点，也不会影响用户的任何操作。
如果想查看 Agent 在沙箱里的操作，可以通过 Cua 内置的 VNC 服务，在浏览器里打开一个窗口，实时查看 Agent 在虚拟电脑系统上的操作。也可以通过 MCP 接入 Claude Code、Codex 等 Agent 工具，下达指令指挥它操作。全程在本地机器上运行，不会把屏幕里的数据往外传，隐私安全有保障。
Cua 不止是一个单一工具，而是一整套 Agent 操作系统。通过 Sandbox 来管理跨系统的运行环境，用 Driver 进行后台操控，Cua-Bench 拿来评测和训练 Agent，Lume 专门创建虚拟 macOS。
除此之外，Cua 还有一个贴心设计：能给系统状态建立快照。万一某个任务中途执行失败，还能照原样复现回来，调试时能省心不少。
所以 Cua 不仅适合个人用来提升生产力，团队也能用它做大批量训练、评测 Computer Use Agent 的底座，比如跑 UI 自动化测试、批量处理桌面重复操作、给 Agent 积累训练数据等。Google DeepMind、Nous Research 的 Hermes、Snorkel 等知名团队都在使用。
Cua 团队刚发表一篇博客，讲述使用 Cua-Bench 基准评测集测试 Gemini 3.5 Flash 的 Computer Use 表现。在 KiCad 设计的自动化操作任务共 25 个，将 Gemini 3.5 Flash 与 Claude Opus 4.8、GPT 5.5、Gemini 3.5 Pro 等顶级大模型进行横向测试对比，结果显示 Gemini 3.5 Flash 得分最高，比 GPT 5.5、Claude Sonnet 4.5 等模型都要好。
如何上手体验
Cua 支持 macOS、Windows 和 Linux 系统，一条命令即可安装：
macOS 和 Linux：
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/trycua/cua/main/libs/cua-driver/scripts/install.sh)"Windows（PowerShell）：
irm https://raw.githubusercontent.com/trycua/cua/main/libs/cua-driver/scripts/install.ps1 | iex安装后接入到 Claude Code 或 Codex 等支持 MCP 服务器的 Agent 工具：
claude mcp add --transport stdio cua-driver -- cua-driver mcp注意：目前 Linux 系统还处于预发布状态，建议在 Windows 或 macOS 上安装体验。
为什么值得关注
Agent 的瓶颈正从「脑子」挪到「动手」，而操作电脑恰好是动手这关里最硬的一块骨头。盯着这块的大厂不少，Anthropic 的 Claude Computer Use、OpenAI 的 Operator、Google 的 Project Mariner，都在往这个方向探索。但他们走的是闭源道路，对数据安全能否得到保障难以确认。
Cua 选择开源，采用 MIT 协议，允许商用，可部署到自己的服务器或机器上使用。数据和执行过程全都自己说了算，不绑定在某一家厂商身上，不按次数掏钱。
现在的 Computer Use 有点像五年前的浏览器自动化，谁先探索明白，谁就先把这波红利攥手里。
GitHub 项目地址：github.com/trycua/cua
