摘要：写报告时要不停切换浏览器/文档/终端，窗口切到眼花重复性操作浪费生命：下载文件→重命名→编辑内容→上传服务器…多任务并行时像个八爪鱼，还总漏掉关键步骤
你是否也经历过这些崩溃瞬间——
写报告时要不停切换浏览器/文档/终端，窗口切到眼花重复性操作浪费生命：下载文件→重命名→编辑内容→上传服务器…多任务并行时像个八爪鱼，还总漏掉关键步骤✅ 全自动任务流水线：从网页爬取到文件处理自动完成✅ 多模态无缝衔接：同时操控浏览器/命令行/文档，像指挥交响乐团✅ 执行过程全透明：实时可视化每个操作步骤，随时介入调整已有开发者用它1小时搞定全天工作，接下来带你玩转这个开源神器，解锁「躺着干活」的新姿势！
Agent TARS 是一款开源的多模态AI助手，专为提升浏览器操作和任务执行效率而设计。
1. 核心功能：支持浏览器操作、命令行集成、文件编辑等复杂任务。
2. 技术原理：基于先进的代理框架和模型上下文协议（MCP），实现任务规划与执行的无缝衔接。
Agent TARS 是一款开源的多模态AI助手，旨在通过视觉解析网页并无缝集成命令行和文件系统，帮助用户高效完成复杂任务。它能够执行深度研究、文件编辑、任务规划与执行等操作，极大地提升了工作效率。
Agent TARS 的核心在于其强大的代理框架，能够通过事件流与UI无缝连接，实现任务的自动化执行。无论是浏览网页、探索链接，还是整合信息生成最终输出，Agent TARS 都能轻松应对。
任务规划与执行：通过代理框架实现任务的自动化规划与执行，支持搜索、浏览、探索链接等操作。多工具集成：无缝集成浏览器、命令行、文件编辑等多种工具，支持复杂工作流的处理。实时输出展示：提供直观的流式用户界面，展示浏览器、文档等多模态输出结果。人机交互：支持“人在回路”模式，用户可以在任务执行过程中实时干预和调整方向。任务分享：支持将任务线程打包为HTML文件或上传至远程服务器，方便与他人分享。代理框架：通过先进的代理框架实现任务的自动化规划与执行，确保任务的高效完成。模型上下文协议（MCP）：利用MCP协议无缝集成多种工具，支持复杂工作流的处理。事件流：通过事件流与UI无缝连接，实现任务的实时监控与调整。多模态输出：支持浏览器、文档等多模态输出结果的实时展示，提升用户体验。下面将详细介绍如何安装、配置和运行 Agent TARS，以及如何进行简单的操作入门。
免责声明：Agent TARS 目前仍处于技术预览阶段，尚未稳定，不建议用于生产环境。
访问Releases页面下载最新版本的桌面程序包。目前，Agent TARS 仅支持 macOS，其他平台的支持正在开发中。
Releases：https://github.com/bytedance/UI-TARS-desktop/releases?q=Agent+Tars&expanded=true首次打开应用程序时，你需要进入左下角的 设置 页面，并完成必要的配置：
Agent-TARS-setting-icon
在设置页面中，你可以配置模型提供方和 API Key：
如果使用 Azure OpenAI，你还可以设置更多参数，包括 apiVersion、deploymentName 和 endpoint。
在搜索设置中，你可以配置搜索引擎提供方和 API Key：
完成配置后，你可以通过输入框与 Agent TARS 进行交互。输入你的问题并按下回车键即可发送请求。例如：
Agent TARS 支持 人机交互模式，这意味着你可以在任务运行过程中通过输入框干预任务方向。如果需要调整任务方向，可以在顶部的特殊输入框中输入你的想法并按下回车键。例如：
human-in-the-loop
分享你的任务你可以通过顶部菜单的分享按钮将任务分享给他人。Agent TARS 提供了两种分享模式：
remote-share
Agent TARS 将向远程服务器发送请求，上传 HTML 文件，并生成一个可分享的 URL。具体请求信息如下：
来源：正正杂说
