已收录文章摘要，完整内容可前往原文阅读。
想象一个桌面 Agent 正在替你整理表格、配置浏览器、修改 VS Code workspace。它既能像人一样点击界面，也能直接调用工具完成结构化操作。这听起来像是一个更强的 Agent：看到按钮就