The Open-Source Multimodal AI Agent Stack: Connecting Cutting-Edge AI Models and Agent Infra
Introduction
English | 简体中文
TARS* 是一个多模态 AI Agent Stack，目前包含两个项目：Agent TARS 和 UI-TARS-desktop：
| Agent TARS | UI-TARS-desktop |
|---|---|
|
Agent TARS 是一个通用的多模态 AI Agent Stack，它将 GUI Agent 和 Vision 的强大功能带入你的终端、计算机、浏览器和产品中。
它主要提供 CLI 和 Web UI 供使用。 旨在通过前沿的多模态 LLMs 和与各种现实世界 MCP 工具的无缝集成，提供更接近人类任务完成方式的工作流程。 |
UI-TARS Desktop 是一个桌面应用程序，基于 UI-TARS 模型提供原生的 GUI Agent。
它主要提供 本地计算机以及浏览器操作器。 |
Table of Contents
News
- [2025-11-05] 🎉 我们很高兴地宣布 Agent TARS CLI v0.3.0 正式发布！此版本新增了多种工具的流式调用支持（shell 命令、多文件结构化展示）、Runtime Setting 和耗时统计、Event Stream 可视化用于数据流追踪和调试，以及 AIO Sandbox 集成、支持隔离的执行环境。
- [2025-06-25] 我们发布了 Agent TARS Beta 和 Agent TARS CLI - Introducing Agent TARS Beta，这是一个多模态 AI agent，旨在通过丰富的多模态能力（如 GUI Agent、Vision）和与各种现实世界工具的无缝集成，探索更接近人类任务完成方式的工作形式。
- [2025-06-12] - 🎁 我们很高兴宣布发布 UI-TARS Desktop v0.2.0！此次更新引入了两个强大的新功能：Remote Computer Operator 和 Remote Browser Operator—— 完全免费。无需配置：只需点击即可远程控制任何计算机或浏览器，体验全新的便利和智能水平。
- [2025-04-17] - 🎉 我们很高兴宣布发布全新的 UI-TARS Desktop 应用程序 v0.1.0，具有重新设计的 Agent UI。该应用程序增强了计算机使用体验，引入了新的浏览器操作功能，并支持先进的 UI-TARS-1.5 模型以提供更好的性能和精确控制。
- [2025-02-20] - 📦 推出了 UI TARS SDK，这是一个强大的跨平台工具包，用于构建 GUI 自动化 agent。
- [2025-01-23] - 🚀 我们更新了**Cloud Deployment**部分的中文版：GUI模型部署教程，其中包含与 ModelScope 平台相关的新信息。你现在可以使用 ModelScope 平台进行部署。
Agent TARS
Agent TARS 是一个通用的多模态 AI Agent Stack，它将 GUI Agent 和 Vision 的强大功能带入你的终端、计算机、浏览器和产品中。
它主要提供 CLI 和 Web UI 供使用。
旨在通过前沿的多模态 LLMs 和与各种现实世界 MCP 工具的无缝集成，提供更接近人类任务完成方式的工作流程。
Showcase
请帮我在 Priceline 上预订 9 月 1 日从圣何塞到纽约最早的航班，以及 9 月 6 日最晚的返程航班
https://github.com/user-attachments/assets/772b0eef-aef7-4ab9-8cb0-9611820539d8
| 预订酒店 | 使用额外的 MCP Servers 生成图表 |
|---|---|
| 指令： 我 9 月 1 日到 9 月 6 日在洛杉矶，预算 5000 美元。请帮我在 booking.com 上预订离机场最近的丽思卡尔顿酒店，并为我编制一份交通指南 | 指令： 为我绘制杭州一个月的天气图表 |
更多用例，请查看 #842。
Core Features
- 🖱️ 一键开箱即用的 CLI - 支持 有界面 Web UI 和 无界面 server 执行。
- 🌐 混合 Browser Agent - 使用 GUI Agent、DOM 或混合策略控制浏览器。
- 🔄 Event Stream - 协议驱动的 Event Stream 驱动 Context Engineering 和 Agent UI。
- 🧰 MCP Integration - 内核构建在 MCP 之上，同时支持挂载 MCP Servers 来连接现实世界的工具。
Quick Start
# 使用 `npx` 启动。
npx @agent-tars/cli@latest
# 全局安装，需要 Node.js >= 22
npm install @agent-tars/cli@latest -g
# 使用你喜欢的模型提供商运行
agent-tars --provider volcengine --model doubao-1-5-thinking-vision-pro-250428 --apiKey your-api-key
agent-tars --provider anthropic --model claude-3-7-sonnet-latest --apiKey your-api-key
访问完整的 Quick Start 指南获取详细的设置说明。
Documentation
🌟 探索 Agent TARS Universe 🌟
| 分类 | 资源链接 | 描述 |
|---|---|---|
| 🏠 核心枢纽 |
|
进入 Agent TARS 生态系统的入口 |
| 📚 Quick Start |
|
5 分钟从零快速上手 |
| 🚀 最新动态 |
|
发现前沿功能和愿景 |
| 🛠️ 开发者专区 |
|
掌握每个命令和功能 |
| 🎯 Showcase |
|
查看官方和社区构建的用例 |
| 🔧 参考文档 |
|
完整的技术参考 |
UI-TARS Desktop
UI-TARS Desktop 是一个由 UI-TARS 和 Seed-1.5-VL/1.6 系列模型驱动的原生 GUI agent，可在你的本地计算机上使用。
📑 Paper
| 🤗 Hugging Face Models
| 🫨 Discord
| 🤖 ModelScope
🖥️ Desktop Application
| 👓 Midscene (use in browser)
Showcase
| 指令 | 本地操作器 | 远程操作器 |
|---|---|---|
| 请帮我在 VS Code 设置中打开 VS Code 的自动保存功能，并将自动保存操作延迟设置为 500 毫秒。 | ||
| 你能帮我查看一下 GitHub 上 UI-TARS-Desktop 项目的最新 open issue 吗？ |
Features
- 🤖 由 Vision-Language Model 驱动的自然语言控制
- 🖥️ 截图和视觉识别支持
- 🎯 精确的鼠标和键盘控制
- 💻 跨平台支持 (Windows/MacOS/Browser)
- 🔄 实时反馈和状态显示
- 🔐 私密且安全 - 完全本地处理
Quick Start
参见 Quick Start
Contributing
参见 CONTRIBUTING.md。
License
本项目基于 Apache License 2.0 许可证。
Citation
如果你觉得我们的论文和代码对你的研究有用，请考虑给个 star ⭐ 和引用 📝
@article{qin2025ui,
title={UI-TARS: Pioneering Automated GUI Interaction with Native Agents},
author={Qin, Yujia and Ye, Yining and Fang, Junjie and Wang, Haoming and Liang, Shihao and Tian, Shizuo and Zhang, Junda and Li, Jiahao and Li, Yunxin and Huang, Shijue and others},
journal={arXiv preprint arXiv:2501.12326},
year={2025}
}
项目介绍
The Open-Source Multimodal AI Agent Stack: Connecting Cutting-Edge AI Models and Agent Infra
定制我的领域下载使用量
项目总下载次数（含Clone、Pull、 zip 包及 release 下载），每日凌晨更新