[JS/TS] 深度解析字节跳动开源的TARS多模态AI Agent栈：桌面与浏览器自动化新利器

项目简介

**TARS* 是一个多模态 AI Agent 栈，目前包含两个项目：Agent TARS[1] 和 UI-TARS-desktop**[2]：

Agent TARS 是一个通用的多模态 AI Agent 栈，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 CLI 和 Web UI 供使用，旨在通过前沿的多模态 LLMs 和与各种现实世界 MCP 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。

主要特点

• 🖱️ 一键开箱即用的 CLI - 支持 有界面 Web UI[3] 和 无界面 server[4] 执行[5]。
• 🌐 混合 Browser Agent - 使用 GUI Agent[6]、DOM[7] 或混合策略控制浏览器。
• 🔄 Event Stream - 协议驱动的 Event Stream 驱动 Context Engineering[8] 和 Agent UI[9]。
• 🧰 MCP Integration - 内核构建在 MCP 之上，同时支持挂载 MCP Servers[10] 来连接现实世界的工具，这体现了当前智能 Agent 开发中工具集成的重要趋势。

快速开始

# 使用 `npx` 启动。
npx @agent-tars/cli@latest

# 全局安装，需要 Node.js >= 22
npm install @agent-tars/cli@latest -g

# 使用你喜欢的模型提供商运行
agent-tars --provider volcengine --model doubao-1-5-thinking-vision-pro-250428 --apiKey your-api-key
agent-tars --provider anthropic --model claude-3-7-sonnet-latest --apiKey your-api-key

访问完整的 Quick Start[11] 指南获取详细的设置说明。如果你对探索更多类似的开源实战项目感兴趣，可以持续关注相关社区动态。

项目地址

项目完整代码与文档位于：https://github.com/bytedance/UI-TARS-desktop/blob/main/README.zh-CN.md

参考资料

[1] Agent TARS: #agent-tars

[2] UI-TARS-desktop: #ui-tars-desktop

[3] Web UI: https://agent-tars.com/guide/basic/web-ui.html

[4] server: https://agent-tars.com/guide/advanced/server.html

[5] 执行: https://agent-tars.com/guide/basic/cli.html

[6] GUI Agent: https://agent-tars.com/guide/basic/browser.html#visual-grounding

[7] DOM: https://agent-tars.com/guide/basic/browser.html#dom

[8] Context Engineering: https://agent-tars.com/beta#context-engineering

[9] Agent UI: https://agent-tars.com/blog/2025-06-25-introducing-agent-tars-beta.html#easy-to-build-applications

[10] MCP Servers: https://agent-tars.com/guide/basic/mcp.html

[11] Quick Start: https://agent-tars.com/guide/get-started/quick-start.html

本文由云栈社区整理发布，旨在分享前沿技术动态。