Технічний контекст
Я заліз у trycua/cua не з цікавості, а з дуже практичним питанням: чи можна на цьому нормально будувати AI-автоматизацію для десктопних процесів, а не чергову демку з мишкою по екрану. І ось тут проект мене зачепив.
CUA дає не просто скрипти для кліків, а цілу інфраструктуру для Computer-Use Agents: пісочниці, SDK, бенчмарки та драйвер, який вміє керувати нативними додатками через MCP over stdio. Ключовий момент у тому, що агент працює у фоновому режимі і не краде фокус вікна. Для GUI-автоматизації це майже головний бар’єр, який раніше ламав половину сценаріїв.
Заявлено підтримку для macOS, Windows та Linux, причому Windows-драйвер вже називають стабільним, а Linux поки виглядає як pre-release історія. Є інтеграції з Claude Code, Cursor, Codex, OpenClaw та кастомними клієнтами. Тобто це вже не іграшка навколо одного вендора, а нормальний прошарок під різні агентні стеки.
Ще один сильний шматок, який я б не пропускав, це віртуалізація. У них є pylume та інструменти для VM, включаючи macOS і Linux на Apple Silicon, плюс Docker-сценарії та готовий Agent UI. Якщо просто: можна швидко підняти ізольоване середовище, прогнати агента по реальних десктопних задачах і не зламати робочу машину.
Мені окремо сподобалося, що вони не забули про оцінку якості. З коробки є сумісність із OSWorld та Windows Agent Arena. Коли я дивлюся на AI solution development для бізнесу, мене завжди цікавить не лише “агент вміє клікати”, а як потім довести, що він не розвалиться на сотому запуску. Тут хоча б є фундамент для адекватної перевірки.
Що це змінює для бізнесу та автоматизації
Виграють команди, у яких купа рутини сидить у старих десктопних додатках, внутрішніх кабінетах, CRM без API та Windows-софті з нульових. Для них artificial intelligence integration тепер виглядає не як дорогий RPA-проект на півроку, а як більш гнучка архітектура з агентом, пісочницею та тестами.
Програють класичні крихкі GUI-скрипти, які зав’язані на фокус вікна, координати та молитви. CUA не прибирає складність повністю, але помітно знижує ціну входу в AI implementation там, де API немає або він марний.
Я б, правда, не радив бігти в прод із голою open-source збіркою. Тут швидко вилізуть права доступу, ізоляція, спостережуваність, ретраї, контроль дій агента та вартість помилок. Ми в Nahornyi AI Lab саме вирішуємо такі речі на практиці: якщо у вас процеси застрягли в GUI і ви хочете build AI automation без цирку з крихкими макросами, можна спокійно розкласти ваш сценарій, зібрати безпечну архітектуру і довести це до робочого результату.