返回 AI 工具目录
UFO
开发框架人工精选最近核验 2026年7月23日
UFO 是微软开源的图形界面自动化 Agent 框架,最初聚焦 Windows 桌面,现已演进为多层结构:UFO² 作为面向单台 Windows 机器的 Desktop AgentOS,深度整合 UIA、Win32、WinCOM 等系统接口,用「GUI 操作 + API 调用」的混合方式驱动应用完成任务;UFO³ Galaxy 在其上做跨设备编排,把任务拆成动态 DAG,协调 Windows、Linux、Android 等多端上的多个 Agent 协同执行,并通过统一的 Agent 交互协议(AIP)通信。以 Python 为主、MIT 许可。它把「让大模型看懂并操作桌面/多端界面」产品化,适合研究与构建桌面级、跨端的自动化 Agent,使用时需自备可用的大模型后端。
定价开源部署本地运行国内可达国内可达性待核验许可MIT
解决什么问题
- 用大模型理解并操作 Windows 桌面界面完成任务
- 以 GUI 操作 + API 调用混合方式提升执行可靠性与效率
- 把复杂任务拆成动态 DAG,跨多台设备协同执行
- 统一多端(Windows/Linux/Android)Agent 的交互协议
适合
- 要在 Windows 上做桌面级 GUI 自动化或 RPA 类任务
- 研究或构建能操作真实应用界面的 Agent
- 需要跨设备、多 Agent 协同的编排框架
- 接受自行配置大模型后端与运行环境
不适合
- 核心能力面向 Windows,其他平台支持仍在扩展中
- 必须自备大模型后端,默认 OpenAI/Azure 在国内可达性受限
- 桌面 GUI 自动化对界面变化敏感,稳定性需验证
- 生产落地需自行处理权限、安全与失败重试
如何接入
- pip 安装后在 Windows 上运行,依赖系统 UIA/Win32
- 需配置大模型后端(OpenAI/Azure OpenAI 或其他)
- 通过 MCP 接入工具、AIP 协议做跨设备通信
- 可作为框架嵌入自建的自动化流程
已知限制
- 核心自动化能力以 Windows 为主,其他平台支持有限
- 强依赖外部大模型,推理成本与可达性需自评估
- 界面操作型 Agent 易受 UI 改动影响,需持续维护
- UFO³ 多设备编排仍在活跃开发,接口可能变动
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python、TypeScript
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- MIT
- 国内可达性
- 国内可达性待核验
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。