Agent S 是 Simular 开发的开源计算机使用智能体（computer use agent）框架。它接收自然语言任务，观察屏幕，并通过点击、输入和滚动等操作在普通桌面和 Web 应用中完成任务，无需 API 集成，也无需为每个应用单独编写脚本。
主要能力：
- 像人一样操作真实 GUI：使用鼠标、键盘和屏幕，在桌面和 Web 应用中执行任务。
- 跨平台支持：可在 macOS、Windows 和 Linux 上运行。
- 模型兼容性：支持 OpenAI、Anthropic、Gemini、Open Router、vLLM 等模型，并需要 grounding 模型（推荐 UI-TARS-1.5-7B）。
- 性能表现：Agent S3 在 OSWorld 基准上达到 72.60%，首次超越人类水平（约 72%）；在 WindowsAgentArena 和 AndroidWorld 上也展现出强零样本泛化能力。
- 本地代码执行环境（可选）：可执行 Python 和 Bash 代码，用于数据处理、文件操作、系统自动化等任务。
使用方式：
- 安装：可通过 pip 安装（不克隆仓库），或克隆仓库后安装。需额外执行 brew install tesseract 以支持 Pytesseract。
- API 配置：在 .bashrc（Linux）或 .zshrc（macOS）中添加环境变量。
- 运行：使用命令行参数指定主模型、grounding 模型及其 URL、坐标分辨率等。例如，UI-TARS-1.5-7B 需设置 --grounding_width 1920 --grounding_height 1080。
- 代码集成：可导入 AgentS3 和 OSWorldACI 类，定义引擎参数后查询智能体。
- 本地编码环境：通过 --enable_local_env 启用，但会执行任意代码，需谨慎使用。
适用场景：
- 研究操作系统智能体。
- 自动化个人桌面任务。
- 参与开源计算机使用项目。
- 重复性工作流自动化（可通过 Simular 云平台或 API 实现）。
限制与注意事项：
- 仅支持单显示器屏幕。
- 智能体运行 Python 代码控制计算机，需谨慎使用。
- 本地编码环境会以用户权限执行任意代码，仅应在可信环境中使用。
- Bash 脚本执行有 30 秒超时限制。
- 部分高级功能（如 Simular 云平台、API）为托管服务，具体收费和可用性暂未提供。
