Agent-S:开源计算机使用 Agent 框架
用自然语言下达任务、通过看屏幕点击输入滚动操作桌面与网页应用的开源 computer use 框架,支持三大桌面系统。
Agent-S 是 Simular 开源的 computer use agent 框架:用自然语言给出任务,它观察屏幕,通过点击、输入、滚动在普通桌面和网页应用中完成任务,支持 macOS、Windows 和 Linux。仓库包含多个版本:Agent S3 是当前 gui-agents 中的版本,论文《Scaling Agents for Computer Use》被 TMLR 2026 接收;Agent S2.5 是更简单快速的 S2;S2 是组合式 generalist-specialist 框架,论文被 COLM 2025 接收;初代 Agent S 论文获 ICLR 2025 Agentic AI for Science Workshop 最佳论文奖。README 还介绍了 Agent S4(2026/10/20 发布),它从任务经验中演化 agent 所使用的工具接口,论文题为《Evolving Agent Interfaces》。使用方式上,可在本地计算机按 Agent S3 的 README 运行,也可通过 Simular API 在云端计算机上运行其生产级 agent Sai。README 中列有各版本在 OSWorld 等基准上的成绩,属项目自述的评测结果。