用途：用自然语言驱动桌面 UI 自动化。通过 npx -y @midscene/computer@1 系列 CLI 命令控制本地桌面（macOS、Windows、Linux），或经 RDP 控制远程 Windows 桌面。每条命令对应一个 MCP 工具，由 AI 智能体根据截图决定下一步动作。
主要能力：act 可在一次调用内完成移动鼠标、单击、双击、右键、拖拽、输入或清空文本、滚动、按键与快捷键等多步交互；assert 校验当前屏幕是否满足自然语言条件，支持 --message 自定义错误、--image/--image-name 参考图比对（需 1.9.0+）；record start 录制瞬时 UI（如 toast、加载条）后配合 assert --record 断言；tap --locate 用 JSON 指定参考图精确定位；report-tool 可将 HTML 报告转为 Markdown 或拆分 JSON。
使用方式：需先配置模型环境变量 MIDSCENE_MODEL_API_KEY、MIDSCENE_MODEL_NAME、MIDSCENE_MODEL_BASE_URL、MIDSCENE_MODEL_FAMILY（可写入 .env）。常用命令：connect、list_displays、take_screenshot、act --prompt、assert --prompt、disconnect。RDP 模式在 connect 时加 --host（可选 --port、--username、--password、--domain、--security-protocol、--ignore-certificate、--admin-session、--desktop-width/height），后续每条命令都需重复相同 RDP 参数；RDP 下 --displayId 与 --headless 被忽略，用 listdisplays（无下划线）查看协商分辨率。
限制与注意：命令必须同步、单条执行，不可后台运行或串联；每条约需 1 分钟，act 可能更久。仅最小化窗口，除非明确要求否则不关闭。任务结束前必须汇报结果。RDP 凭据应作为密钥处理，避免写入仓库。若报 RDP helper binary not found，需重装包。模型未配置时应请用户先设置。支持模型包括 Doubao Seed 2.0 Lite、Qwen 3.5、Zhipu GLM-4.6V、Gemini-3-Pro、Gemini-3-Flash 等。