Uni-CLI: เซิร์ฟเวอร์ MCP ที่ให้ตัวแทนควบคุมซอฟต์แวร์จริง
Uni-CLI โดย Olo Dot Io เป็นอินเตอร์เฟซตัวแทน-คอมพิวเตอร์แบบโอเพนซอร์สที่เชื่อมต่อโมเดล AI กับซอฟต์แวร์ในโลกจริง โดยแปลงพื้นผิวกราฟิกและคำสั่งให้เป็นการกระทำที่ค้นพบได้ เครื่องมือนี้เปิดเผยซอฟต์แวร์ที่เชื่อมต่อผ่านอินเตอร์เฟซโปรโตคอล Model Context เดียวและใช้การจัดอันดับตามเจตนาและการสำรองภาพเพื่อเลือกการดำเนินการ มันมุ่งเป้าไปที่นักพัฒนา AI วิศวกรซอฟต์แวร์ และนักวิจัยที่ต้องการการเข้าถึงตัวแทนแบบโปรแกรมไปยังเว็บไซต์ แอพเดสก์ท็อป และเครื่องมือ CLI แบบเก่าสำหรับการทำงานอัตโนมัติและการทดสอบ。
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
Uni-CLI ควบคุมซอฟต์แวร์หลายตัว รวมถึงเซสชันเบราว์เซอร์ผ่าน Chrome DevTools Protocol, เป้าหมาย macOS Accessibility API, และคำสั่ง CLI ดั้งเดิม ซึ่งทำให้ตัวแทนสามารถทำงานในที่ที่ไม่มี API โดยตรง โครงการนี้มีการจัดส่งแคตตาล็อกของไซต์ที่กำหนดค่าล่วงหน้าและตัวปรับเครื่องมือเพื่อให้ตัวแทนสามารถค้นพบการกระทำได้อย่างรวดเร็ว และการสำรองข้อมูลแบบภาพจะจับภาพหน้าจอเพื่อให้ตัวแทนมีบริบทภาพเมื่อ DOM หรือ API hooks ไม่สามารถใช้งานได้
การดำเนินการมีความน่าเชื่อถือแค่ไหนและการกู้คืนทำงานอย่างไร?
เครื่องมือจะเปิดเผยซองความสำเร็จและข้อผิดพลาดที่มีโครงสร้างซึ่งทำให้ตัวแทนสามารถตรวจสอบความล้มเหลวและปรับพฤติกรรมของมันได้อย่างเป็นโปรแกรม กลไก AgentEnvelope นั้นสนับสนุนการซ่อมแซมอัตโนมัติ: เมื่อการดำเนินการล้มเหลว ตัวแทนสามารถตรวจสอบข้อผิดพลาด แก้ไขการกำหนดค่าประกาศของตัวปรับ และลองใหม่ ระบบยังแปลงองค์ประกอบ UI ที่ไม่เสถียรให้เป็นข้อมูลคำสั่งที่แน่นอนเพื่อให้การกระทำที่สร้างขึ้นยังคงสอดคล้องกันในระหว่างที่มีการเปลี่ยนแปลงอินเทอร์เฟซ
มันต้องการการตั้งค่าทางเทคนิคหรือการเขียนเพื่อให้มีประโยชน์หรือไม่?
Uni-CLI ทำงานในสภาพแวดล้อม Node.js และจัดจำหน่ายผ่าน npm ในชื่อ @zenalexa/unicli ดังนั้นการติดตั้งและการทำงานจึงต้องการความคุ้นเคยของนักพัฒนา การรวมเข้าด้วยกันต้องการการเขียนหรือการแก้ไขตัวปรับประกาศและการจับคู่เซิร์ฟเวอร์ MCP กับไคลเอนต์ที่เข้ากันได้ เช่น ไคลเอนต์เดสก์ท็อปที่รองรับ MCP หรือกรอบตัวแทนที่กำหนดเอง ทำให้เป็นการรวมที่มุ่งเน้นการพัฒนามากกว่าผลิตภัณฑ์ที่คลิกเพื่อรัน
ทีมควรคิดเกี่ยวกับการปรับใช้และขอบเขตแพลตฟอร์มอย่างไร?
การปรับใช้มีปฏิสัมพันธ์กับซับสเตรตในระดับท้องถิ่นและระดับผู้ใช้: เซสชันเบราว์เซอร์ (รวมถึงหน้าเว็บที่ได้รับการตรวจสอบสิทธิ์) ถูกควบคุมผ่าน CDP และการควบคุม macOS ใช้ API Accessibility โมเดลเซิร์ฟเวอร์และ hooks แพลตฟอร์มเหล่านี้หมายความว่าการปรับใช้ต้องเข้าถึงทรัพยากรในระดับโฮสต์และสิทธิ์ที่เหมาะสม ความเข้ากันได้ครอบคลุม macOS, Windows, และ Linux และเครื่องมือจะรวมเข้ากับไคลเอนต์ที่เข้ากันได้กับ MCP ที่ใช้ในกระบวนการทำงานของนักพัฒนา
ทางเลือกโครงสร้างพื้นฐานที่เชื่อถือได้สำหรับทีม MCP ที่มีทรัพยากรนักพัฒนา
Uni-CLI มีการดึงดูดที่ชัดเจนในชุมชน Model Context Protocol และปรากฏในรายการ "Awesome MCP" ที่คัดสรร ซึ่งสนับสนุนตำแหน่งของมันในฐานะชิ้นส่วนโครงสร้างพื้นฐานมากกว่าผลิตภัณฑ์สำหรับผู้ใช้ปลายทาง การรับรู้จากชุมชนและแคตตาล็อกอะแดปเตอร์ที่กว้างขวางทำให้มันเป็นตัวเลือกที่มีเหตุผลสำหรับทีมที่ดำเนินงานภายในระบบนิเวศ MCP; โครงการที่ไม่มีทรัพยากรนักพัฒนาเพียงพอในการดูแลการรวมระบบควรประเมินความพยายามในการรวมระบบก่อนการนำไปใช้.
