# computer-automation

Скилл управляет рабочим столом macOS, Windows или Linux по скриншотам: агент кликает, печатает и жмёт клавиши, глядя на экран. Для десктопных приложений и удалённых Windows-хостов по RDP.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 2200 установок · ★ 318
- Автор: web-infra-dev
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/web-infra-dev/midscene-skills/tree/HEAD/skills/computer-automation/SKILL.md
- Обновлён: 2026-09-08
- HTML: https://affpapa.org/nevibecode/skills/computer-automation

## Что делает

Скилл работает через `npx -y @midscene/computer@1`. Каждая команда CLI соответствует инструменту MCP, а роль мозга берёт на себя агент: он смотрит на скриншот и решает, что делать дальше. Внутри одного вызова `act` Midscene двигает мышь, кликает, перетаскивает элементы, печатает и стирает текст, прокручивает экран и нажимает горячие клавиши. Разметка и метки доступности не нужны — всё видно на картинке, поэтому стек приложения не важен.

Перед запуском нужны переменные окружения с моделью: `MIDSCENE_MODEL_API_KEY`, `MIDSCENE_MODEL_NAME`, `MIDSCENE_MODEL_BASE_URL` и `MIDSCENE_MODEL_FAMILY`. Их можно задать в системе или положить в `.env` в рабочей папке — Midscene подхватит файл сам. Модель должна хорошо привязываться к визуальным элементам, так что слабая модель тут ломает всю цепочку.

В локальном режиме скилл забирает настоящие мышь и клавиатуру. Для веб-приложений берите «Browser Automation», а этот — для Electron, Qt и нативных приложений, которые не живут в браузере. Режим RDP включается флагом `--host` и гоняет команды через отдельный бинарник, не трогая ваш ввод. Команды нельзя запускать в фоне и по несколько сразу: сначала дождитесь вывода и скриншота, потом решайте, что дальше. Одна команда идёт около минуты, сложный `act` — дольше.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add web-infra-dev/midscene-skills --skill computer-automation -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/computer-automation/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/computer-automation/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add web-infra-dev/midscene-skills --skill computer-automation -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/computer-automation/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add web-infra-dev/midscene-skills --skill computer-automation -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/computer-automation/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install web-infra-dev/midscene-skills computer-automation
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/computer-automation/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add web-infra-dev/midscene-skills --skill computer-automation -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/web-infra-dev/midscene-skills --path skills/computer-automation
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/computer-automation/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add web-infra-dev/midscene-skills --skill computer-automation -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/web-infra-dev/midscene-skills/tree/HEAD/skills/computer-automation/SKILL.md

## Когда брать
- проверить Electron-приложение, которое не открывается в браузере
- прокликать сценарий в нативной программе и снять скриншоты
- зайти на удалённый Windows-хост по RDP и выполнить там действия
- найти элемент на экране без DOM и меток доступности
- сверить состояние окна после запуска приложения

## Примеры запросов агенту
- Открой приложение и нажми кнопку «Настройки», потом покажи скриншот
- Подключись к RDP-хосту и проверь, что открылось нужное окно
- Сделай скриншот рабочего стола и скажи, какие окна видны

## Похожие
- [windows-ui-automation](https://affpapa.org/nevibecode/skills/windows-ui-automation.md) — скилл · 1300 установок
- [puppeteer-automation](https://affpapa.org/nevibecode/skills/puppeteer-automation.md) — скилл · 1800 установок
- [Audition](https://affpapa.org/nevibecode/skills/audition.md) — скилл · 1700 установок
- [open-computer-use](https://affpapa.org/nevibecode/skills/open-computer-use.md) — скилл · 1800 установок
- [computer-use-agents](https://affpapa.org/nevibecode/skills/sickn33-computer-use-agents.md) — скилл · 962 установки
- [flue](https://affpapa.org/nevibecode/skills/flue.md) — скилл · 12600 установок

Из того же набора: [web-infra-dev/midscene-skills](https://affpapa.org/nevibecode/by/web-infra-dev/midscene-skills.md) — 5 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md