Agent S Bridge

该 Skill 是一个 Python 桥接脚本，包装 Agent-S 计算机使用智能体，使调用方可用自然语言指令控制整个桌面与浏览器，完成点击、输入、打开应用等 GUI 自动化操作。依赖 gui-agents 包、OpenAI 或 Anthropic API Key 与 UI-TARS 定位模型推理端点，声明为单显示器设计，提供 run、browse、check 三个命令。

huangxianzhan

热度 16.02

最近更新 2026-05-20 22:45:22

分类：自动化依赖：代码执行 / 联网浏览搜索 / 第三方 API / 内部调用大模型应用场景：自动化脚本 / 工作流

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add agent-s-bridge

Metadata

name: agent-s-bridge
version: 1.0.0
description: Agent-S 计算机使用智能体桥接器 — 让 DeepSeek TUI 通过 Agent-S 控制浏览器和桌面。支持自然语言指令驱动的全桌面自动化。OSWorld 基准 72.6%（超人类）。

Agent-S Bridge

包装 simular-ai/Agent-S，让 DeepSeek TUI 用自然语言控制电脑和浏览器。

能力定位

工具	覆盖范围	智能程度	速度
OpenCLI	浏览器（页面操作）	脚本化	快
Playwright	浏览器（程序化）	需要写代码	极快
Agent-S	整个桌面 + 浏览器	AI 自主决策	中
Skyvern	浏览器（AI 视觉）	AI 视觉	慢

Agent-S 是唯一能跨桌面 + 浏览器的工具。不只是点网页——能打开 VS Code、操作文件管理器、控制任何 GUI 程序。

安装

pip install gui-agents

前置条件

API Key: OpenAI 或 Anthropic（Agent-S 推理需要）
定位模型: UI-TARS-1.5-7B（HuggingFace 推理端点，用于像素级 UI 元素定位）
单显示器（Agent-S 设计为单屏操作）

命令

# 启动 Agent-S 交互模式
python agent_s_bridge.py run "打开浏览器搜索中医"

# 浏览器特化模式（限制在浏览器内操作）
python agent_s_bridge.py browse "登录网站并填写表单"

# 检查依赖和配置
python agent_s_bridge.py check

与 DeepSeek TUI 的集成

你（DeepSeek TUI） → exec_shell → agent_s_bridge.py run "指令"
                                  ↓
                            Agent-S 控制桌面/浏览器
                                  ↓
                            结果返回给你

API 要求

在 ~/.agent-s.env 中配置：

OPENAI_API_KEY=sk-xxx
# 或 ANTHROPIC_API_KEY=sk-ant-xxx

定位模型可本地部署或使用 HuggingFace 推理端点。