Agent TARS

Agent TARS是什么？

Agent TARS 是字节跳动开源的多模态 AI 代理工具，可视觉化解读网页并简化浏览器操作，同时与命令行和文件系统无缝集成。它具备代理工作流编排、全面工具支持（如浏览器、文件编辑、CLI 等）和实时Artifact展示等功能。目前支持 macOS，用户可通过配置模型与搜索设置后使用，并能分享对话线程。

Agent TARS的主要特点

• 多模态与多工具集成
  • 支持浏览网页、集成命令行和文件系统，利用浏览器操作。
  • 集成多种工具，包括搜索、文件编辑、命令行等。
  • 支持 MCP（模型上下文协议），可扩展性强，能处理复杂工作流程。
• 任务规划与执行：通过 Agent 框架规划和执行复杂任务，如深度研究（Deep Research）和电脑操作员（Operator）功能。
• 人机协作：支持人机协作，用户可以通过输入框与 Agent 交互，甚至在工作过程中改变 Agent 的工作方向。
• 桌面客户端功能：提供桌面客户端，展示浏览器、多模态元素、会话管理、模型配置、对话流程和状态跟踪等功能。
• 分享功能：支持分享结果，包括本地打包为 HTML 文件和远程分享两种模式。

如何使用Agent TARS？

Agent TARS提供了开源版本和桌面客户端：

一、开源版本：

Agent TARS GitHub仓库：https://github.com/bytedance/UI-TARS-desktop/tree/main/apps/agent-tars

克隆GitHub开源代码，自行部署体验。

二、客户端版本：

1. 下载与安装

• 下载：访问 Agent TARS 官网，下载最新版本。
• 安装：
• macOS：将下载的 Agent TARS 应用程序拖到 Applications 文件夹中，并在系统设置中启用“可访问性”和“屏幕录制”权限。
• Windows：目前 Agent TARS 主要支持 macOS，Windows 支持正在开发中。

2. 配置

• 打开 Agent TARS 应用程序，点击左下角按钮进入设置页面。
• 模型配置：设置模型提供商和 API 密钥。如果使用 Azure OpenAI，还需设置 apiVersion、deploymentName 和 endpoint。
• 搜索配置：设置搜索提供商和 API 密钥。

3. 使用

• 输入任务：在输入框中输入任务指令，Agent TARS 会根据指令执行相应操作。
• 人机协作：在任务执行过程中，可以通过输入框与 Agent 交互，甚至改变任务方向。
• 分享结果：完成任务后，可以通过顶部菜单的分享按钮，选择本地打包为 HTML 或远程分享。

注意事项：Agent TARS 目前处于技术预览阶段，建议不要在生产环境中使用。