如何 10 分钟跑通 CUA Agent多模型AI代理统一接口完整教程【免费下载链接】cuaScale computer-use 2.0 with open-source drivers, cross-OS fleets, and benchmarks for training, evaluation, and data generation.项目地址: https://gitcode.com/GitHub_Trending/cua/cua你有没有过这种经历一套代理代码想今天接云端大模型明天换成本地小模型换一次模型就要改一遍消息格式和工具调用逻辑。CUA Agent 就是为解决这个问题设计的一个多模型 AI 代理框架用统一接口对接 OpenAI、Anthropic 和本地模型你只管写业务代码。一、项目速览它到底管什么先花 30 秒了解项目定位。CUA Agent 是 CUA 开源框架里的代理层负责“模型选哪个、指令怎么发、结果怎么落盘”。各模块分工很简单cua_agent代理核心模型适配、轨迹保存、预算管理都在这。代码在 libs/python/agent/。computer计算机环境接口代理通过它截屏、点击、输入。代码在 libs/python/computer/。loops 适配层每种模型一个循环实现OpenAI、Anthropic、UI-TARS 等都已内置见 libs/python/agent/cua_agent/loops/。对新手来说你日常打交道的主要是前两个。二、快速上手5 分钟跑通第一个多模型代理装依赖、初始化、换模型三步就能跑起来。做这件事只需要一条安装路径加十几个参数的代码。第 1 步拿到代码并安装git clone https://gitcode.com/GitHub_Trending/cua/cua cd cua uv sync第 2 步初始化代理import logging from computer import Computer from cua_agent import ComputerAgent computer Computer(os_typemacos, verbositylogging.INFO) agent ComputerAgent( modelopenai/computer-use-preview, tools[computer], trajectory_dirtrajectories, )第 3 步换一次模型改model参数即可业务代码一行不动。仓库示例里列出的可用模型包括场景model 取值OpenAI 视觉模型openai/computer-use-previewAnthropic Claude 系列anthropic/claude-sonnet-4-5-20250929本地 UI-TARSHuggingFacehuggingface-local/ByteDance-Seed/UI-TARS-1.5-7B本地 UI-TARSOllamaollama_chat/0000/ui-tars-1.5-7b更完整的初始化写法包括预算配置和提示缓存见 完整示例。模型接入细节可以对照 Ollama 文档 和 Anthropic 文档。三、常见问题这部分回答新手最常问的三件事。每个问题都给出最短路径的做法。如何为代理注册自定义工具判断标准很简单工具是“算一算就完”还是“要操作界面或长期驻留”。函数工具轻量计算、读写文件、查数据。用sandboxed()装饰器包一个带文档字符串的函数放进tools列表即可框架会自动生成调用规范。最小写法from computer.helpers import sandboxed sandboxed() def calculate(a: int, b: int) - int: 两个整数相加 ... return a b注册方式就是tools[computer, calculate]。文档字符串就是给模型看的工具说明写清楚参数和返回值。计算机处理程序handler需要和某个应用持续交互、要维护状态的比如编辑器插件、可视化面板。这类工具继承 computer-server 的BaseHandler注册到计算机上代码在 libs/python/computer-server/。一句话能算完就结束的用函数工具要常驻交互的用 handler。如何在多个模型之间切换与组合切换就是改model字符串。组合则是用omniparser前缀把截图先交给 OmniParser 做界面解析再交给任意语言模型做决策。agent ComputerAgent( modelomniparseranthropic/claude-opus-4-20250514, tools[computer], )适合的场景你想用本地小模型省钱但又不想牺牲界面理解能力。Omniparser 负责“看懂屏幕”语言模型负责“想下一步做什么”。实现代码见 omniparser 循环。如何控制预算并保存轨迹两个诉求对应两个机制都在 callbacks 目录 里预算控制max_trajectory_budget直接传参超预算自动停。agent ComputerAgent( modelopenai/computer-use-preview, tools[computer], max_trajectory_budget{ max_budget: 1.0, raise_error: True, }, )轨迹保存传trajectory_dir每轮动作自动落盘方便回看模型为什么点错了地方。轨迹文件还可以用轨迹查看器回放四、生产环境清单上线前对照这 5 条过一遍能挡住大部分成本超支和上下文爆炸问题开提示缓存use_prompt_cachingTrue重复前缀不再重复计费。限制图片上下文only_n_most_recent_images3长任务里旧截图不再刷屏。设置预算上限max_trajectory_budget配raise_errorTrue超支即停。保留轨迹trajectory_dir指向独立目录出问题先回放再猜。定期回看轨迹用轨迹查看器抽查失败任务比看日志快。五、学习地图按这个顺序读从能跑通到能定制Agent SDK 说明安装与基本用法。多模型示例代码换模型、加预算、加缓存的完整写法。Ollama 本地模型接入把 UI-TARS 跑在本地。OpenAI 接入 与 Anthropic 接入两家云端模型的关键参数。驱动你的第一个应用把代理接到真实桌面操作。复合代理博客omniparser 组合模型的思路。本文示例基于 CUA Agent v0.8.4agent SDK验证不同版本间 API 可能存在差异请以对应版本文档为准。【免费下载链接】cuaScale computer-use 2.0 with open-source drivers, cross-OS fleets, and benchmarks for training, evaluation, and data generation.项目地址: https://gitcode.com/GitHub_Trending/cua/cua创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考