像素级截屏 + AI 分析 + 完整 GUI 自动化，支持自然语言指令驱动点击、输入、滚动、热键等操作，含 MCP Server

用 Python 控制鼠标键盘，截图识别+图像定位，三行代码实现桌面自动化，支持 Windows/macOS/Linux

开源 AI 网页自动化 Chrome 扩展，支持多智能体协作，使用自有 API 密钥，替代 OpenAI Operator。

Bun 专用无头浏览器 CLI，AI 编程助手自动化测试，支持截图/点击/表单交互

字节开源视觉驱动 UI 自动化框架，支持 Web/桌面/移动端，自然语言控制

字节跳动开源多模态智能体，桌面/浏览器/手机自动化操作，游戏任务 SOTA

Google Gemini的浏览器自动化工具，用自然语言控制浏览器执行操作，支持Playwright和Browserbase