Munim Computer Use 是一个开源的计算机使用 MCP 服务器，作为计算机使用智能体（CUA）后端，让任何编码智能体能够像人一样使用你的电脑。它支持 macOS、Windows 和 Linux，可与 Claude Code、Codex、Cursor、MT Code 或任何其他 MCP 客户端配合使用，且支持任意模型，交互过程不需要视觉模型。该项目由 Munim Technologies 构建，作为 MT Code 的计算机使用引擎，并单独发布。
主要能力方面，它采用无障碍优先、像素其次的设计。get_app_state 返回应用的无障碍树及稳定元素 ID，智能体据此按下按钮而非猜测坐标，相比截图消耗更少 token。它能快速列出屏幕上可见的内容，对超出视口的部分进行跳过和计数；遇到对话框时优先列出其控件。对于 Electron 和 Chromium 应用（macOS），它会主动请求无障碍树。当应用没有标注控件时，会使用设备端 OCR（macOS 用 Apple Vision，Windows 用 Windows OCR）读取窗口，图像不离开本机。每个 ID 在操作前都会重新检查，若元素消失或角色、名称改变，操作会明确失败而非误操作。它等待应用的无障碍通知停止，而非固定暂停。它支持后台控制，在 macOS 上通过 SkyLight 向目标窗口发送事件，智能体绝不占用你的鼠标键盘；并提供淡紫色智能体指针覆盖层，不触碰你的光标。截图和缩放会携带屏幕原点和每点像素数，zoom 可按物理分辨率捕获任意区域。
使用方式上，你可以从 Releases 下载对应平台的二进制文件（munim-computer-use-macos-universal.zip、munim-computer-use-windows-x64.zip），或从源码构建，将其放入 PATH，macOS 上运行 munim-computer-use request-permissions 一次以申请辅助功能和屏幕录制权限，然后在你的智能体中注册。之后即可要求智能体完成任务，例如“打开 Safari，找到周二飞往丹佛最便宜的航班并记入笔记”。智能体通过 get_app_state 读取界面，按元素 ID 操作，并用 screenshot 验证。
它还能驱动你已登录的 Chrome：扩展为智能体提供带标签的独立标签组，除非你指定，否则不干扰你的标签。browser_list_tabs all=true 可查看所有标签，browser_use_tab 可原地接管一个标签（不移动、不激活、不重载），browser_release_tab 可提前归还。智能体点击打开的标签归其所有，并在清理时关闭。每个 MCP 进程拥有自己的标签组，一个进程可通过稳定的 session_id 运行多个任务；任务之间不能互相驱动或接管标签，清理只关闭自己的标签。任何数量的 MCP 进程共享同一个扩展，首个进程拥有它，其余通过它工作，拥有者退出后另一个接管且不关闭任何人的标签。任务共享 Chrome 的 cookie 和登录，但桌面应用和剪贴板并不隔离。
浏览器操作支持就绪性检查和安全的重新观察：browser_click、browser_type、browser_press_key、browser_navigate 可接受 wait_for_selector 与 return_state: true，browser_snapshot 也可接受同样的等待而不执行操作。扩展会轮询顶层文档中任何匹配的可见元素，共享快照的可见性规则。wait_timeout_ms 默认为 8000，接受 0 到 10000 的整数，0 表示检查一次。readiness: met 表示观察到指定条件，但不保证所有网络请求、动画或应用工作已结束；readiness: timeout 表示未在预算内观察到条件。
密码安全方面，browser_request_credentials 会要求用户在一个显示网站真实来源的小型 Chrome 窗口中登录，输入内容直接进入页面字段，绝不返回给模型。browser_snapshot 从不显示密码字段的值，桌面上默认拒绝在密码字段中输入。你还可以用策略文件决定智能体可接触的应用和网站：在支持目录放置 policy.json，或通过 COMPUTER_USE_POLICY 指向任意文件。可按应用或网站设置 allow、ask 或 block，ask 会在首次访问时提示用户，批准持续到该智能体任务结束。应用按名称或 bundle id 匹配（忽略大小写），网站按主机及子域匹配，最具体规则优先，并在每次浏览器操作时对当前页面重新检查。更改立即生效无需重启，无效文件会阻止一切而非被忽略。需注意这是行为护栏而非沙箱。
适用场景包括让编码智能体自动化桌面应用操作、浏览器任务、后台数据读取等。限制方面，不同平台的后台控制能力不同：macOS 保证不占用用户指针，Windows 为尽力而为并会报告是否通过光标，Linux 的指针操作会使用真实指针。最小化窗口的坐标操作在部分平台会报错要求恢复窗口。Frames 和 shadow roots 不会被搜索。关于收费、价格、具体平台细节或其他未提及信息，资料中暂未提供。
