منصوبے کے بارے میں

Cua ایک اوپن سورس پروجیکٹ ہے جس کا مقصد AI ایجنٹس کو ایسے کمپیوٹر فراہم کرنا ہے جنہیں وہ چلا سکیں۔ یہ ایک ریپوزٹری کے تحت کئی اجزاء یکجا کرتا ہے، جس میں ڈیسک ٹاپ آٹومیشن، سینڈ باکسڈ ماحول، ورچوئل مشینیں، ماہر ماڈلز، اور تشخیصی ٹولنگ شامل ہیں۔ پروجیکٹ اپنے دائرہ کار کو "Computer-Use 2.0" قرار دیتا ہے، یعنی ایک ایسا ایجنٹ جو ایک ہی کام میں کوڈ، APIs اور گرافیکل انٹرفیس کے درمیان منتقل ہو سکے۔ اہم اجزاء: - Cua Driver: macOS، Windows اور Linux پر مقامی ڈیسک ٹاپ ایپس اور براؤزرز کا معائنہ اور آپریشن کرنے کے لیے ٹولز۔ اس تک CLI، MCP یا ٹائپڈ SDKs کے ذریعے رسائی حاصل کی جا سکتی ہے۔ پس منظر میں ڈیلیوری پیش کی جاتی ہے تاکہ ایجنٹس پوائنٹر کو حرکت دیے بغیر یا فوکس چرائے بغیر عمل کر سکیں، جہاں ایپ اور پلیٹ فارم اجازت دیتے ہیں۔ macOS/Linux (شیل) اور Windows (PowerShell) کے لیے انسٹال اسکرپٹ فراہم کیے گئے ہیں۔ - Cua Fleets: run.cua.ai کے ذریعے فراہم کردہ الگ تھلگ کلاؤڈ ڈیسک ٹاپس۔ ایک فلیٹ سینڈ باکس کی گنجائش رکھتا ہے، اور کوڈ پول سے ایک ڈیسک ٹاپ حاصل کرتا ہے اور Sandbox SDK کا استعمال کرتے ہوئے کمانڈز چلاتا ہے، اسکرین شاٹس لیتا ہے، اور ایپس کے ساتھ تعامل کرتا ہے۔ مقامی سینڈ باکسز اور فلیٹس SDK کا اشتراک کرتے ہیں لیکن اسناد، تصاویر، آپریشنز اور رن ٹائم ضروریات میں مختلف ہوتے ہیں۔ - Lume: Apple کے Virtualization.Framework کا استعمال کرتے ہوئے Apple Silicon پر مقامی macOS اور Linux VMs کی تخلیق اور انتظام، CLI اور انسٹال اسکرپٹ کے ساتھ۔ - CUA-S1: محدود کمپیوٹر استعمال کے فیصلوں کے لیے چھوٹے، ماہر "System 1" ماڈلز کا ایک خاندان، جیسے کسی فیلڈ کے لیے قدر کا انتخاب۔ پہلا تحقیقی پروفائل فارمز پر مرکوز ہے، جس میں ٹوکنز پیدا کرنے کے بجائے ساختی انٹرفیس عناصر اور دستاویز کی اقدار سے فیصلوں کی اسکورنگ کی جاتی ہے۔ ریپوزٹری میں Python ماڈل کوڈ، مصنوعی ڈیٹا جنریشن، تربیت اور تشخیص شامل ہے؛ اسے ابتدائی، صرف سورس ریسرچ ریلیز قرار دیا گیا ہے جس کے وزن علیحدہ طور پر Hugging Face پر میزبان ہیں۔ - Cua Bench: کمپیوٹر استعمال کے کام بنانے، ایجنٹس کا جائزہ لینے، اور تربیت کے لیے ٹریجیکٹریز برآمد کرنے کے لیے ٹولنگ۔ ایک نقلی کام VM، Docker یا ماڈل API کلید کے بغیر، Python 3.12/3.13 اور uv کا استعمال کرتے ہوئے چلایا جا سکتا ہے۔ README دستاویزات، ٹیوٹوریلز، ایک بلاگ، Discord اور GitHub Issues کی طرف اشارہ کرتا ہے۔ یہ بیان کرتا ہے کہ پروجیکٹ MIT لائسنس یافتہ ہے، جس میں تیسرے فریق کے اجزاء اپنے لائسنسوں کے تحت ہیں (مثال کے طور پر Kasm، ایک اختیاری AGPL لائسنس یافتہ cua-som پیکج، اور OmniParser سے متعلقہ اشیاء)۔ ٹریڈ مارک نوٹس Apple، Canonical یا Microsoft سے کوئی وابستگی نہ ہونے کی وضاحت کرتے ہیں۔ حوالہ جاتی میٹا ڈیٹا BibTeX اور CITATION.cff کے ذریعے فراہم کیا گیا ہے۔