README.Zh CN

<picture> </picture>

Introduction

English | 简体中文

<b>TARS^*</b> 是一个多模态 AI Agent Stack，目前包含两个项目：Agent TARS 和 UI-TARS-desktop：

<table> <thead> <tr> <th width="50%" align="center"><a href="#agent-tars">Agent TARS</a></th> <th width="50%" align="center"><a href="#ui-tars-desktop">UI-TARS-desktop</a></th> </tr> </thead> <tbody> <tr> <td align="center"> <video src="https://github.com/user-attachments/assets/c9489936-afdc-4d12-adda-d4b90d2a869d" width="50%"></video> </td> <td align="center"> <video src="https://github.com/user-attachments/assets/e0914ce9-ad33-494b-bdec-0c25c1b01a27" width="50%"></video> </td> </tr> <tr> <td align="left"> <b>Agent TARS</b> 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。 </tbody> </table>

Table of Contents

<!-- START doctoc generated TOC please keep comment here to allow auto update --> <!-- DON'T EDIT THIS SECTION, INSTEAD RE-RUN doctoc TO UPDATE -->

• News
• Agent TARS
  • Showcase
  • Core Features
  • Quick Start
  • Documentation
• UI-TARS Desktop
  • Showcase
  • Features
  • Quick Start
• Contributing
• License
• Citation

<!-- END doctoc generated TOC please keep comment here to allow auto update -->

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

<p> <a href="https://npmjs.com/package/@agent-tars/cli?activeTab=readme"></a> <a href="https://npmcharts.com/compare/@agent-tars/cli?minimal=true"></a> <a href="https://nodejs.org/en/about/previous-releases"></a> <a href="https://discord.gg/HnKcSBgTVx"></a> <a href="https://twitter.com/agent_tars"></a> <a href="https://applink.larkoffice.com/client/chat/chatter/add_by_link?link_token=deen76f4-ea3c-4964-93a3-78f126f39651"></a> <a href="https://deepwiki.com/bytedance/UI-TARS-desktop"></a> </p>

<b>Agent TARS</b> 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 <a href="https://agent-tars.com/guide/basic/cli.html" target="_blank">CLI</a> 和 <a href="https://agent-tars.com/guide/basic/web-ui.html" target="_blank">Web UI</a> 供使用。 旨在通过前沿的多模态 LLMs 和与各种现实世界 <a href="https://agent-tars.com/guide/basic/mcp.html" target="_blank">MCP</a> 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

https://github.com/user-attachments/assets/772b0eef-aef7-4ab9-8cb0-9611820539d8

<table> <thead> <tr> <th width="50%" align="center">预订酒店</th> <th width="50%" align="center">使用额外的 MCP Servers 生成图表</th> </tr> </thead> <tbody> <tr> <td align="center"> <video src="https://github.com/user-attachments/assets/c9489936-afdc-4d12-adda-d4b90d2a869d" width="50%"></video> </td> <td align="center"> <video src="https://github.com/user-attachments/assets/a9fd72d0-01bb-4233-aa27-ca95194bbce9" width="50%"></video> </td> </tr> <tr> <td align="left"> <b>指令：</b> <i>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</i> </td> <td align="left"> <b>指令：</b> <i>为我绘制杭州一个月的天气图表</i> </td> </tr> </tbody> </table>

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

访问完整的 Quick Start 指南获取详细的设置说明。

Documentation

🌟 探索 Agent TARS Universe 🌟

<table> <thead> <tr> <th width="20%" align="center">分类</th> <th width="30%" align="center">资源链接</th> <th width="50%" align="left">描述</th> </tr> </thead> <tbody> <tr> <td align="center">🏠 <strong>核心枢纽</strong></td> <td align="center"> <a href="https://agent-tars.com"> </tbody> </table>

UI-TARS Desktop

<p align="center"> </p>

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。

<div align="center"> <p> &nbsp&nbsp 📑 <a href="https://arxiv.org/abs/2501.12326">Paper</a> &nbsp&nbsp | 🤗 <a href="https://huggingface.co/ByteDance-Seed/UI-TARS-1.5-7B">Hugging Face Models</a>&nbsp&nbsp | &nbsp&nbsp🫨 <a href="https://discord.gg/pTXwYVjfcs">Discord</a>&nbsp&nbsp | &nbsp&nbsp🤖 <a href="https://www.modelscope.cn/collections/UI-TARS-bccb56fa1ef640">ModelScope</a>&nbsp&nbsp

🖥️ Desktop Application &nbsp&nbsp | &nbsp&nbsp 👓 <a href="https://github.com/web-infra-dev/midscene">Midscene (use in browser)</a> &nbsp&nbsp

</p> </div>

Showcase

<!-- // FIXME: Choose only two demo, one local computer and one remote computer 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。	<video src="https://github.com/user-attachments/assets/e0914ce9-ad33-494b-bdec-0c25c1b01a27" height="300" />	<video src="https://github.com/user-attachments/assets/01e49b69-7070-46c8-b3e3-2aaaaec71800" height="300" />
你能帮我查看一下 GitHub 上 UI-TARS-Desktop 项目的最新 open issue 吗？	<video src="https://github.com/user-attachments/assets/3d159f54-d24a-4268-96c0-e149607e9199" height="300" />	<video src="https://github.com/user-attachments/assets/072fb72d-7394-4bfa-95f5-4736e29f7e58" height="300" />

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 :star: 和引用 :pencil: