探索与 multimodal 相关的全量生态内容池。
UI-TARS-desktop 是字节跳动推出的开源原生桌面端 AI Agent 应用。它基于 UI-TARS 多模态大模型，通过计算机视觉直接理解并操作图形用户界面（GUI）。该产品支持本地及远程计算机、浏览器的自动化控制，无需复杂配置即可实现类人化的任务处理。其核心采用 MCP 协议集成现实世界工具，支持 UI-TARS-1.5 模型，提供精准的视觉定位与动作执行能力，适用于自动化办公、复杂网页操作等场景。