Cua

Cua它被誉为“The Computer Use Agent Platform”，专为Claude Code、Cursor、OpenAI Operator等计算机使用代理提供云端隔离桌面环境。

一句话总结：Cua 让你在云端（或本地）一键启动macOS、Windows、Linux、Android等完整操作系统沙箱，AI Agent可以像真人一样看到屏幕、点击鼠标、敲键盘、运行Shell、操作浏览器，热启动<1秒，支持瞬间Fork成千上万并行实例。开源GitHub星标已超13k，是2026年计算机使用Agent基础设施的顶级选择。

Cua 网站截图

为什么传统方案不够用？

OpenAI的Computer-Using Agent（CUA）、Anthropic的Claude Computer Use等模型虽然强大，但它们需要一个稳定、可复现、隔离的真实桌面环境来执行任务。本地跑容易污染主机，云端EC2又太重、启动慢、无法快速克隆状态。

Cua完美解决了这个痛点。它提供轻量级、高性能的真实OS沙箱，内置显示器、浏览器、完整文件系统和root权限，远比容器化环境更接近真实硬件。开发者再也不用为环境搭建、状态保存、并行实验发愁。

Cua的核心特色

1. 多OS云桌面 + 极致热启动 支持macOS（含Apple Silicon原生Lume沙箱）、Windows、Linux、Android（可自带镜像）。 cua sb launch ubuntu 一条命令即可启动，热启动时间<1秒。通过Snapshot功能瞬间保存完整桌面状态，后续Fork可以秒级克隆出多个并行沙箱，适合大规模并行实验和RL训练。
2. 强大SDK，双轮驱动Agent开发
   • Computer SDK：截图、模拟点击/键盘、执行Shell命令、文件读写、驱动Playwright浏览器。
   • Agent SDK：内置observe-reason-act循环、预算控制、轨迹记录、自定义工具。 支持Claude、Gemini、Qwen、UI-TARS等多种视觉语言模型，一键切换。还提供VLM Router，用一个API Key同时对接Anthropic、OpenAI、Google、Microsoft、Alibaba等大模型。
3. 开发者友好工具链
   • CLI命令超简洁：cua sb vnc <id> 打开远程桌面实时查看；cua sb shell 直接进入Bash；cua sb snapshot 保存状态；cua sb fork –count N 批量克隆。
   • MCP Server：将Cua Agent直接暴露为工具，可无缝集成到Claude Desktop、Cursor等环境中。
   • Trace Recorder：自动记录Agent执行轨迹、高分路径可直接用于RL/GRPO训练。
   • Lume：MIT许可的macOS原生沙箱，近乎原生速度，支持无头模式，本地部署也极致轻量。
4. Cua-Bench基准与评估闭环 内置真实桌面任务基准（构建Xcode项目、配置Nginx、合并PDF等），支持HUD平台一键评测任意GUI Agent。截图还提供人工标注边界框、密集描述、元素元数据和OCR，让训练数据质量大幅提升。

实际使用场景

• AI研究者：快速搭建可复现环境，测试不同模型在真实UI上的表现，生成高质量轨迹数据训练下一代Agent。
• 开发者/自动化团队：用自然语言让Agent完成复杂多步任务，如“在Slack发消息”“配置服务器”“批量处理文档”，支持并行运行上百实例加速迭代。
• 企业RPA升级：从传统脚本转向视觉+推理的智能自动化，沙箱隔离保证安全。
• 训练爱好者：Fork沙箱 + Trace Recorder，轻松构建大规模计算机使用数据集。

我亲自试用后发现，配置一个Ubuntu沙箱、安装依赖、Snapshot后Fork 10个实例，整个过程不到10秒。Agent在里面操作Spotify、WhatsApp等App时，行为自然，容错能力强。