Sobre o projeto

TARS é uma pilha de agentes de IA multimodal de código aberto que atualmente inclui dois projetos relacionados: Agent TARS e UI-TARS Desktop. Ambos são licenciados sob Apache 2.0 e desenvolvidos pela ByteDance. Agent TARS é descrito como uma pilha geral de agentes de IA multimodal que traz capacidades de GUI Agent e Visão para o terminal, computador, navegador e produto. Ele é distribuído principalmente como CLI e Web UI. De acordo com o README, seu objetivo é fornecer um fluxo de trabalho mais próximo da conclusão de tarefas semelhante à humana por meio de LLMs multimodais e integração com ferramentas MCP do mundo real. Seus recursos principais declarados incluem uma CLI pronta para uso com um clique que suporta execução headful (com interface) via Web UI e headless (sem interface) via servidor, um agente de navegador híbrido que pode controlar navegadores via GUI Agent, DOM ou uma estratégia híbrida, um Event Stream orientado por protocolo para engenharia de contexto e Agent UI, e um kernel baseado em MCP que suporta montar Servidores MCP para conectar ferramentas externas. Os exemplos de instalação usam npx ou uma instalação global via npm (Node.js >= 22), e pode ser executado com diferentes provedores de modelo, como Volcengine ou Anthropic, especificando provedor, modelo e chave de API. Uma nota de versão v0.3.0 menciona suporte a streaming para múltiplas ferramentas, configurações de tempo de execução com estatísticas de temporização, um Visualizador de Event Stream e suporte a um Sandbox de Agente AIO como ambiente de execução isolado. UI-TARS Desktop é um aplicativo de desktop que fornece um agente GUI nativo para o computador local, impulsionado pelo modelo UI-TARS e pelas séries Seed-1.5-VL/1.6. Ele oferece operadores de computador locais e remotos, bem como operadores de navegador. Seus recursos listados incluem controle por linguagem natural alimentado por um modelo de visão-linguagem, suporte a captura de tela e reconhecimento visual, controle preciso de mouse e teclado, suporte multiplataforma (Windows/macOS/Navegador), feedback em tempo real e exibição de status, e processamento totalmente local para privacidade. O README fornece links para um artigo (arXiv 2501.12326), modelos Hugging Face, ModelScope e uma comunidade no Discord. O README também faz referência a um SDK UI TARS como uma ferramenta multiplataforma para construir agentes de automação GUI, e documentação cobrindo início rápido, implantação e integração MCP. Exemplos de casos de uso mostrados incluem reservar voos ou hotéis, gerar gráficos e ajustar configurações de aplicativos por meio de instruções em linguagem natural.