عن المشروع

TARS هي حزمة وكيل ذكاء اصطناعي متعدد الوسائط مفتوحة المصدر، وتضم حاليًا مشروعين مترابطين: Agent TARS وUI-TARS Desktop. كلاهما مرخص بموجب Apache 2.0 ومطور من قبل ByteDance. يوصف Agent TARS بأنه حزمة وكيل ذكاء اصطناعي متعدد الوسائط عامة تجلب إمكانات وكيل الواجهة الرسومية والرؤية إلى الطرفية والحاسوب والمتصفح والمنتج. يُقدَّم بشكل أساسي كواجهة سطر أوامر وواجهة ويب. وفقًا لملف README، يهدف إلى توفير سير عمل أقرب إلى إنجاز المهام الشبيه بالبشري عبر نماذج لغوية متعددة الوسائط والتكامل مع أدوات MCP الواقعية. تشمل ميزاته الأساسية المذكورة واجهة سطر أوامر جاهزة بنقرة واحدة تدعم كلاً من واجهة الويب المرئية وتنفيذ الخادم بدون رأس، ووكيل متصفح هجين يمكنه التحكم في المتصفحات عبر وكيل الواجهة الرسومية أو DOM أو استراتيجية هجينة، وتدفق أحداث يعتمد على البروتوكول لهندسة السياق وواجهة الوكيل، ونواة قائمة على MCP تدعم تركيب خوادم MCP للاتصال بالأدوات الخارجية. تستخدم أمثلة التثبيت npx أو تثبيت npm عام (Node.js >= 22)، ويمكن تشغيله مع موفري نماذج مختلفين مثل Volcengine أو Anthropic عن طريق تحديد المزود والنموذج ومفتاح API. تشير ملاحظات إصدار v0.3.0 إلى دعم البث لأدوات متعددة، وإعدادات وقت التشغيل مع إحصائيات التوقيت، وعارض تدفق الأحداث، ودعم صندوق رمل وكيل AIO كبيئة تنفيذ معزولة. UI-TARS Desktop هو تطبيق سطح مكتب يوفر وكيل واجهة رسومية أصليًا للحاسوب المحلي، مدعومًا بنموذج UI-TARS وسلسلة نماذج Seed-1.5-VL/1.6. يقدم مشغلي حاسوب محليين وعن بعد بالإضافة إلى مشغلي متصفح. تشمل ميزاته المذكورة التحكم باللغة الطبيعية المدعوم بنموذج رؤية-لغة، ودعم لقطات الشاشة والتعرف البصري، والتحكم الدقيق بالماوس ولوحة المفاتيح، ودعم عبر المنصات (Windows/macOS/Browser)، وعرض الحالة والتغذية الراجعة في الوقت الفعلي، ومعالجة محلية بالكامل للخصوصية. يربط ملف README إلى ورقة بحثية (arXiv 2501.12326)، ونماذج Hugging Face، وModelScope، ومجتمع Discord. يشير ملف README أيضًا إلى UI TARS SDK كمجموعة أدوات عبر المنصات لبناء وكلاء أتمتة الواجهات الرسومية، ووثائق تغطي البدء السريع والنشر وتكامل MCP. تشمل حالات الاستخدام الموضحة حجز رحلات الطيران أو الفنادق، وإنشاء الرسوم البيانية، وضبط إعدادات التطبيقات عبر تعليمات باللغة الطبيعية.