প্রকল্প সম্পর্কে

Cua একটি ওপেন-সোর্স প্রকল্প যা AI এজেন্টদের জন্য এমন কম্পিউটার দেওয়ার লক্ষ্য রাখে যা তারা পরিচালনা করতে পারে। এটি একটি রিপোজিটরির অধীনে কয়েকটি উপাদান একত্রিত করে, যার মধ্যে ডেস্কটপ অটোমেশন, স্যান্ডবক্সড পরিবেশ, ভার্চুয়াল মেশিন, বিশেষায়িত মডেল এবং মূল্যায়ন টুলিং রয়েছে। প্রকল্পটি তার পরিধিকে "Computer-Use 2.0" হিসেবে বর্ণনা করে, অর্থাৎ এমন একটি এজেন্ট যা একক কাজের মধ্যে কোড, API এবং গ্রাফিক্যাল ইন্টারফেসের মধ্যে চলাচল করতে পারে। প্রধান উপাদানসমূহ: - Cua Driver: macOS, Windows এবং Linux-এ নেটিভ ডেস্কটপ অ্যাপ ও ব্রাউজার পরিদর্শন ও পরিচালনার টুল। এটি CLI, MCP বা টাইপড SDK-এর মাধ্যমে ব্যবহার করা যায়। ব্যাকগ্রাউন্ড ডেলিভারি দেওয়া হয় যাতে অ্যাপ ও প্ল্যাটফর্ম যেখানে অনুমতি দেয় সেখানে এজেন্টরা পয়েন্টার না সরিয়ে বা ফোকাস না চুরি করে কাজ করতে পারে। macOS/Linux (shell) এবং Windows (PowerShell)-এর জন্য ইনস্টল স্ক্রিপ্ট দেওয়া আছে। - Cua Fleets: run.cua.ai-এর মাধ্যমে প্রোভিশন করা বিচ্ছিন্ন ক্লাউড ডেস্কটপ। একটি ফ্লিট স্যান্ডবক্স ক্যাপাসিটি ধরে রাখে, এবং কোড একটি পুল থেকে ডেস্কটপ দাবি করে এবং Sandbox SDK ব্যবহার করে কমান্ড চালায়, স্ক্রিনশট নেয় এবং অ্যাপের সাথে ইন্টারঅ্যাক্ট করে। স্থানীয় স্যান্ডবক্স ও ফ্লিট একই SDK শেয়ার করে কিন্তু ক্রেডেনশিয়াল, ইমেজ, অপারেশন এবং রানটাইম প্রয়োজনীয়তায় ভিন্ন। - Lume: Apple-এর Virtualization.Framework ব্যবহার করে Apple Silicon-এ স্থানীয় macOS ও Linux VM তৈরি ও ব্যবস্থাপনা, একটি CLI এবং একটি ইনস্টল স্ক্রিপ্ট সহ। - CUA-S1: সীমাবদ্ধ কম্পিউটার-ব্যবহারের সিদ্ধান্তের জন্য ছোট, বিশেষায়িত "System 1" মডেলের একটি পরিবার, যেমন কোনো ফিল্ডের জন্য একটি মান নির্বাচন করা। প্রথম গবেষণা প্রোফাইল ফর্মের উপর কেন্দ্রীভূত, যা টোকেন জেনারেট করার বদলে কাঠামোবদ্ধ ইন্টারফেস উপাদান ও ডকুমেন্ট মান থেকে সিদ্ধান্ত স্কোর করে। রিপোজিটরিতে Python মডেল কোড, সিন্থেটিক-ডেটা জেনারেশন, প্রশিক্ষণ এবং মূল্যায়ন রয়েছে; এটিকে একটি প্রাথমিক, শুধুমাত্র সোর্স গবেষণা রিলিজ হিসেবে বর্ণনা করা হয়েছে যার ওয়েট Hugging Face-এ আলাদাভাবে হোস্ট করা। - Cua Bench: কম্পিউটার-ব্যবহারের কাজ তৈরি, এজেন্ট মূল্যায়ন এবং প্রশিক্ষণের জন্য ট্রাজেক্টরি এক্সপোর্ট করার টুলিং। একটি সিমুলেটেড কাজ VM, Docker বা মডেল API কী ছাড়াই Python 3.12/3.13 এবং uv ব্যবহার করে চালানো যায়। README ডকুমেন্টেশন, টিউটোরিয়াল, একটি ব্লগ, Discord এবং GitHub Issues-এর দিকে নির্দেশ করে। এতে বলা হয়েছে প্রকল্পটি MIT-লাইসেন্সপ্রাপ্ত, তৃতীয়-পক্ষের উপাদানগুলি তাদের নিজস্ব লাইসেন্সের অধীনে (উদাহরণস্বরূপ Kasm, একটি ঐচ্ছিক AGPL-লাইসেন্সপ্রাপ্ত cua-som প্যাকেজ, এবং OmniParser-সম্পর্কিত আর্টিফ্যাক্ট)। ট্রেডমার্ক নোটিশে স্পষ্ট করা হয়েছে Apple, Canonical বা Microsoft-এর সাথে কোনো সম্পর্ক নেই। BibTeX এবং CITATION.cff-এর মাধ্যমে সাইটেশন মেটাডেটা দেওয়া হয়েছে।