컴퓨터 사용 도구

Claude는 컴퓨터 사용 도구를 통해 컴퓨터 환경과 상호작용할 수 있으며, 이 도구는 자율적인 데스크톱 상호작용을 위한 스크린샷 기능과 마우스/키보드 제어를 제공합니다. 실제 웹사이트에서의 자율 웹 탐색 벤치마크인 WebArena에서 Claude는 단일 에이전트 시스템 중 최고 수준의 결과를 달성하여, 멀티스텝 브라우저 작업을 처음부터 끝까지 완료하는 강력한 능력을 입증했습니다.

개요

컴퓨터 사용은 Claude가 데스크톱 환경과 상호작용할 수 있게 해주는 베타 기능입니다. 이 도구는 다음을 제공합니다:

• 스크린샷 캡처: 현재 화면에 표시된 내용 확인
• 마우스 제어: 클릭, 드래그, 커서 이동
• 키보드 입력: 텍스트 입력 및 키보드 단축키 사용
• 데스크톱 자동화: 모든 애플리케이션 또는 인터페이스와 상호작용

컴퓨터 사용은 더 포괄적인 자동화 워크플로우를 위해 bash 및 텍스트 편집기와 같은 다른 도구로 보완될 수 있지만, 컴퓨터 사용은 특히 데스크톱 환경을 보고 제어하는 컴퓨터 사용 도구의 기능을 의미합니다.

모델 호환성

컴퓨터 사용은 다음 Claude 모델에서 사용할 수 있습니다:

보안 고려사항

컴퓨터 사용은 표준 API 기능과는 다른 고유한 위험이 있는 베타 기능입니다. 이러한 위험은 인터넷과 상호작용할 때 더욱 높아집니다.

일부 상황에서 Claude는 사용자의 지시와 충돌하더라도 콘텐츠에서 발견된 명령을 따를 수 있습니다. 예를 들어, 웹페이지나 이미지에 포함된 Claude 지시사항이 지시를 무시하거나 Claude가 실수를 하도록 할 수 있습니다. 프롬프트 인젝션과 관련된 위험을 피하기 위해 Claude를 민감한 데이터 및 작업으로부터 격리하는 예방 조치를 취하세요.

모델은 이러한 프롬프트 인젝션에 저항하도록 훈련되었으며, 추가적인 방어 레이어가 추가되었습니다. 컴퓨터 사용 도구를 사용하는 경우, 분류기가 자동으로 프롬프트에서 실행되어 잠재적인 프롬프트 인젝션 사례를 표시합니다. 이러한 분류기가 스크린샷에서 잠재적인 프롬프트 인젝션을 식별하면, 다음 작업을 진행하기 전에 자동으로 모델이 사용자 확인을 요청하도록 유도합니다. 이 추가 보호는 모든 사용 사례(예: 루프에 사람이 없는 사용 사례)에 이상적이지 않을 수 있으므로, 비활성화하려면 지원팀에 문의하세요.

이러한 예방 조치는 분류기 방어 레이어가 있더라도 여전히 중요합니다.

자체 제품에서 컴퓨터 사용을 활성화하기 전에 관련 위험에 대해 최종 사용자에게 알리고 동의를 받으세요.

빠른 시작

컴퓨터 사용을 시작하는 방법은 다음과 같습니다:

curl https://api.anthropic.com/v1/messages \
  -H "content-type: application/json" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: computer-use-2025-11-24" \
  -d '{
    "model": "claude-opus-4-6",
    "max_tokens": 1024,
    "tools": [
      {
        "type": "computer_20251124",
        "name": "computer",
        "display_width_px": 1024,
        "display_height_px": 768,
        "display_number": 1
      },
      {
        "type": "text_editor_20250728",
        "name": "str_replace_based_edit_tool"
      },
      {
        "type": "bash_20250124",
        "name": "bash"
      }
    ],
    "messages": [
      {
        "role": "user",
        "content": "Save a picture of a cat to my desktop."
      }
    ]
  }'

컴퓨터 사용의 작동 방식

사용자 입력 없이 3단계와 4단계가 반복되는 것을 "에이전트 루프"라고 합니다(즉, Claude가 도구 사용 요청으로 응답하고 애플리케이션이 해당 요청 평가 결과로 Claude에 응답하는 것).

컴퓨팅 환경

컴퓨터 사용은 Claude가 애플리케이션 및 웹과 안전하게 상호작용할 수 있는 샌드박스 컴퓨팅 환경이 필요합니다. 이 환경에는 다음이 포함됩니다:

1. 가상 디스플레이: Claude가 스크린샷을 통해 보고 마우스/키보드 작업으로 제어할 데스크톱 인터페이스를 렌더링하는 가상 X11 디스플레이 서버(Xvfb 사용).

2. 데스크톱 환경: Claude가 상호작용할 일관된 그래픽 인터페이스를 제공하는 Linux에서 실행되는 창 관리자(Mutter)와 패널(Tint2)이 있는 경량 UI.

3. 애플리케이션: Claude가 작업을 완료하는 데 사용할 수 있는 Firefox, LibreOffice, 텍스트 편집기, 파일 관리자와 같은 사전 설치된 Linux 애플리케이션.

4. 도구 구현: Claude의 추상적인 도구 요청(예: "마우스 이동" 또는 "스크린샷 찍기")을 가상 환경의 실제 작업으로 변환하는 통합 코드.

5. 에이전트 루프: Claude와 환경 간의 통신을 처리하고, Claude의 작업을 환경으로 전송하고 결과(스크린샷, 명령 출력)를 Claude에 반환하는 프로그램.

컴퓨터 사용을 사용할 때 Claude는 이 환경에 직접 연결하지 않습니다. 대신 애플리케이션이:

1. Claude의 도구 사용 요청을 수신합니다
2. 이를 컴퓨팅 환경의 작업으로 변환합니다
3. 결과(스크린샷, 명령 출력 등)를 캡처합니다
4. 이러한 결과를 Claude에 반환합니다

보안 및 격리를 위해 참조 구현은 환경을 보고 상호작용하기 위한 적절한 포트 매핑이 있는 Docker 컨테이너 내에서 이 모든 것을 실행합니다.

컴퓨터 사용 구현 방법

참조 구현으로 시작하기

컴퓨터 사용을 빠르게 시작하는 데 필요한 모든 것을 포함하는 참조 구현이 제공됩니다:

• Claude와 함께 컴퓨터 사용에 적합한 컨테이너화된 환경
• 컴퓨터 사용 도구 구현
• Claude API와 상호작용하고 컴퓨터 사용 도구를 실행하는 에이전트 루프
• 컨테이너, 에이전트 루프 및 도구와 상호작용하는 웹 인터페이스.

멀티 에이전트 루프 이해하기

컴퓨터 사용의 핵심은 "에이전트 루프"입니다 - Claude가 도구 작업을 요청하고, 애플리케이션이 이를 실행하고, 결과를 Claude에 반환하는 사이클입니다. 다음은 간단한 예시입니다:

async def sampling_loop(
    *,
    model: str,
    messages: list[dict],
    api_key: str,
    max_tokens: int = 4096,
    tool_version: str,
    thinking_budget: int | None = None,
    max_iterations: int = 10,  # Add iteration limit to prevent infinite loops
):
    """
    A simple agent loop for Claude computer use interactions.

    This function handles the back-and-forth between:
    1. Sending user messages to Claude
    2. Claude requesting to use tools
    3. Your app executing those tools
    4. Sending tool results back to Claude
    """
    # Set up tools and API parameters
    client = Anthropic(api_key=api_key)
    beta_flag = (
        "computer-use-2025-11-24"
        if "20251124" in tool_version
        else "computer-use-2025-01-24"
        if "20250124" in tool_version
        else "computer-use-2024-10-22"
    )

    # Configure tools - you should already have these initialized elsewhere
    tools = [
        {
            "type": f"computer_{tool_version}",
            "name": "computer",
            "display_width_px": 1024,
            "display_height_px": 768,
        },
        {"type": f"text_editor_{tool_version}", "name": "str_replace_editor"},
        {"type": f"bash_{tool_version}", "name": "bash"},
    ]

    # Main agent loop (with iteration limit to prevent runaway API costs)
    iterations = 0
    while True and iterations < max_iterations:
        iterations += 1
        # Set up optional thinking parameter (for Claude Sonnet 3.7)
        thinking = None
        if thinking_budget:
            thinking = {"type": "enabled", "budget_tokens": thinking_budget}

        # Call the Claude API
        response = client.beta.messages.create(
            model=model,
            max_tokens=max_tokens,
            messages=messages,
            tools=tools,
            betas=[beta_flag],
            thinking=thinking,
        )

        # Add Claude's response to the conversation history
        response_content = response.content
        messages.append({"role": "assistant", "content": response_content})

        # Check if Claude used any tools
        tool_results = []
        for block in response_content:
            if block.type == "tool_use":
                # In a real app, you would execute the tool here
                # For example: result = run_tool(block.name, block.input)
                result = {"result": "Tool executed successfully"}

                # Format the result for Claude
                tool_results.append(
                    {"type": "tool_result", "tool_use_id": block.id, "content": result}
                )

        # If no tools were used, Claude is done - return the final messages
        if not tool_results:
            return messages

        # Add tool results to messages for the next iteration with Claude
        messages.append({"role": "user", "content": tool_results})

루프는 Claude가 도구 요청 없이 응답할 때(작업 완료) 또는 최대 반복 한도에 도달할 때까지 계속됩니다. 이 안전장치는 예상치 못한 API 비용을 초래할 수 있는 잠재적인 무한 루프를 방지합니다.

이 문서의 나머지 부분을 읽기 전에 참조 구현을 먼저 사용해 보세요.

프롬프팅으로 모델 성능 최적화

최고 품질의 출력을 얻는 방법에 대한 몇 가지 팁입니다:

1. 간단하고 명확하게 정의된 작업을 지정하고 각 단계에 대한 명시적인 지시를 제공하세요.
2. Claude는 때때로 결과를 명시적으로 확인하지 않고 작업 결과를 가정합니다. 이를 방지하기 위해 Claude에게 다음과 같이 프롬프트할 수 있습니다: 각 단계 후에 스크린샷을 찍고 올바른 결과를 달성했는지 신중하게 평가하세요. 생각을 명시적으로 보여주세요: "X 단계를 평가했습니다..." 올바르지 않으면 다시 시도하세요. 단계가 올바르게 실행되었음을 확인한 경우에만 다음 단계로 이동하세요.
3. 일부 UI 요소(드롭다운 및 스크롤바 등)는 마우스 움직임을 사용하여 Claude가 조작하기 어려울 수 있습니다. 이 경우 키보드 단축키를 사용하도록 모델에 프롬프트해 보세요.
4. 반복 가능한 작업이나 UI 상호작용의 경우, 성공적인 결과의 예시 스크린샷과 도구 호출을 프롬프트에 포함하세요.
5. 모델이 로그인해야 하는 경우, <robot_credentials> xml 태그 안에 사용자 이름과 비밀번호를 프롬프트에 제공하세요. 로그인이 필요한 애플리케이션 내에서 컴퓨터 사용을 사용하면 프롬프트 인젝션으로 인한 나쁜 결과의 위험이 증가합니다. 모델에 로그인 자격 증명을 제공하기 전에 프롬프트 인젝션 완화 가이드를 검토하세요.

시스템 프롬프트

Anthropic이 정의한 도구 중 하나가 Claude API를 통해 요청되면, 컴퓨터 사용 전용 시스템 프롬프트가 생성됩니다. 이는 도구 사용 시스템 프롬프트와 유사하지만 다음으로 시작합니다:

사용자의 질문에 답하는 데 사용할 수 있는 함수 세트에 접근할 수 있습니다. 여기에는 샌드박스 컴퓨팅 환경에 대한 접근이 포함됩니다. 현재 아래 함수를 호출하는 것을 제외하고는 파일을 검사하거나 외부 리소스와 상호작용하는 기능이 없습니다.

일반 도구 사용과 마찬가지로, 사용자가 제공한 system_prompt 필드는 여전히 존중되며 결합된 시스템 프롬프트 구성에 사용됩니다.

사용 가능한 액션

컴퓨터 사용 도구는 다음 액션을 지원합니다:

기본 액션 (모든 버전)

• screenshot - 현재 디스플레이 캡처
• left_click - 좌표 [x, y]에서 클릭
• type - 텍스트 문자열 입력
• key - 키 또는 키 조합 누르기 (예: "ctrl+s")
• mouse_move - 커서를 좌표로 이동

향상된 액션 (computer_20250124) Claude 4 모델 및 Claude Sonnet 3.7에서 사용 가능:

• scroll - 양 조절이 가능한 모든 방향으로 스크롤
• left_click_drag - 좌표 간 클릭 및 드래그
• right_click, middle_click - 추가 마우스 버튼
• double_click, triple_click - 여러 번 클릭
• left_mouse_down, left_mouse_up - 세밀한 클릭 제어
• hold_key - 지정된 시간(초) 동안 키 누르기
• wait - 액션 사이에 일시 정지

향상된 액션 (computer_20251124) Claude Opus 4.6 및 Claude Opus 4.5에서 사용 가능:

• computer_20250124의 모든 액션
• zoom - 전체 해상도로 화면의 특정 영역 보기. 도구 정의에서 enable_zoom: true가 필요합니다. 검사할 영역의 왼쪽 상단 및 오른쪽 하단 모서리를 정의하는 좌표 [x1, y1, x2, y2]가 있는 region 매개변수를 사용합니다.

도구 매개변수

Claude 4 모델 및 Claude Sonnet 3.7에서 사고 기능 활성화

Claude Sonnet 3.7은 복잡한 작업을 처리하면서 모델의 추론 과정을 볼 수 있는 새로운 "사고" 기능을 도입했습니다. 이 기능은 Claude가 문제에 어떻게 접근하는지 이해하는 데 도움이 되며, 디버깅이나 교육 목적으로 특히 유용할 수 있습니다.

사고를 활성화하려면 API 요청에 thinking 매개변수를 추가하세요:

"thinking": {
  "type": "enabled",
  "budget_tokens": 1024
}

budget_tokens 매개변수는 Claude가 사고에 사용할 수 있는 토큰 수를 지정합니다. 이는 전체 max_tokens 예산에서 차감됩니다.

사고가 활성화되면 Claude는 응답의 일부로 추론 과정을 반환하며, 이를 통해 다음을 할 수 있습니다:

1. 모델의 의사 결정 과정 이해
2. 잠재적인 문제나 오해 식별
3. Claude의 문제 해결 접근 방식에서 배우기
4. 복잡한 멀티스텝 작업에 대한 더 많은 가시성 확보

다음은 사고 출력이 어떻게 보일 수 있는지에 대한 예시입니다:

[Thinking]
I need to save a picture of a cat to the desktop. Let me break this down into steps:

1. First, I'll take a screenshot to see what's on the desktop
2. Then I'll look for a web browser to search for cat images
3. After finding a suitable image, I'll need to save it to the desktop

Let me start by taking a screenshot to see what's available...

컴퓨터 사용 도구와 다른 도구 결합하기

컴퓨터 사용 도구는 다른 도구와 결합하여 더 강력한 자동화 워크플로우를 만들 수 있습니다. 이는 다음과 같은 경우에 특히 유용합니다:

• 시스템 명령 실행 (bash 도구)
• 구성 파일 또는 스크립트 편집 (텍스트 편집기 도구)
• 사용자 정의 API 또는 서비스와 통합 (사용자 정의 도구)

curl https://api.anthropic.com/v1/messages \
  -H "content-type: application/json" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: computer-use-2025-11-24" \
  -d '{
    "model": "claude-opus-4-6",
    "max_tokens": 2000,
    "tools": [
      {
        "type": "computer_20251124",
        "name": "computer",
        "display_width_px": 1024,
        "display_height_px": 768,
        "display_number": 1
      },
      {
        "type": "text_editor_20250728",
        "name": "str_replace_based_edit_tool"
      },
      {
        "type": "bash_20250124",
        "name": "bash"
      },
      {
        "name": "get_weather",
        "description": "Get the current weather in a given location",
        "input_schema": {
          "type": "object",
          "properties": {
            "location": {
              "type": "string",
              "description": "The city and state, e.g. San Francisco, CA"
            },
            "unit": {
              "type": "string",
              "enum": ["celsius", "fahrenheit"],
              "description": "The unit of temperature, either 'celsius' or 'fahrenheit'"
            }
          },
          "required": ["location"]
        }
      }
    ],
    "messages": [
      {
        "role": "user",
        "content": "Find flights from San Francisco to a place with warmer weather."
      }
    ],
    "thinking": {
      "type": "enabled",
      "budget_tokens": 1024
    }
  }'

사용자 정의 컴퓨터 사용 환경 구축하기

참조 구현은 컴퓨터 사용을 시작하는 데 도움을 주기 위한 것입니다. Claude가 컴퓨터를 사용하는 데 필요한 모든 구성 요소가 포함되어 있습니다. 그러나 필요에 맞게 컴퓨터 사용을 위한 자체 환경을 구축할 수 있습니다. 다음이 필요합니다:

• Claude와 함께 컴퓨터 사용에 적합한 가상화 또는 컨테이너화된 환경
• Anthropic이 정의한 컴퓨터 사용 도구 중 하나 이상의 구현
• Claude API와 상호 작용하고 도구 구현을 사용하여 tool_use 결과를 실행하는 에이전트 루프
• 에이전트 루프를 시작하기 위한 사용자 입력을 허용하는 API 또는 UI

컴퓨터 사용 도구 구현하기

컴퓨터 사용 도구는 스키마 없는 도구로 구현됩니다. 이 도구를 사용할 때 다른 도구와 달리 입력 스키마를 제공할 필요가 없습니다. 스키마는 Claude의 모델에 내장되어 있으며 수정할 수 없습니다.

오류 처리하기

컴퓨터 사용 도구를 구현할 때 다양한 오류가 발생할 수 있습니다. 처리 방법은 다음과 같습니다:

고해상도를 위한 좌표 스케일링 처리하기

API는 이미지를 가장 긴 가장자리 최대 1568픽셀, 총 약 1.15메가픽셀로 제한합니다 (자세한 내용은 이미지 크기 조정 참조). 예를 들어, 1512x982 화면은 약 1330x864로 다운샘플링됩니다. Claude는 이 작은 이미지를 분석하고 해당 공간의 좌표를 반환하지만, 도구는 원래 화면 공간에서 클릭을 실행합니다.

이로 인해 좌표 변환을 처리하지 않으면 Claude의 클릭 좌표가 대상을 놓칠 수 있습니다.

이를 수정하려면 스크린샷을 직접 크기 조정하고 Claude의 좌표를 다시 확대합니다:

import math


def get_scale_factor(width, height):
    """Calculate scale factor to meet API constraints."""
    long_edge = max(width, height)
    total_pixels = width * height

    long_edge_scale = 1568 / long_edge
    total_pixels_scale = math.sqrt(1_150_000 / total_pixels)

    return min(1.0, long_edge_scale, total_pixels_scale)


# When capturing screenshot
scale = get_scale_factor(screen_width, screen_height)
scaled_width = int(screen_width * scale)
scaled_height = int(screen_height * scale)

# Resize image to scaled dimensions before sending to Claude
screenshot = capture_and_resize(scaled_width, scaled_height)


# When handling Claude's coordinates, scale them back up
def execute_click(x, y):
    screen_x = x / scale
    screen_y = y / scale
    perform_click(screen_x, screen_y)

구현 모범 사례 따르기

컴퓨터 사용의 한계 이해하기

컴퓨터 사용 기능은 베타 버전입니다. Claude의 기능이 최첨단이지만 개발자는 다음과 같은 한계를 인식해야 합니다:

1. 지연 시간: 현재 인간-AI 상호 작용을 위한 컴퓨터 사용 지연 시간은 일반적인 인간이 직접 수행하는 컴퓨터 작업에 비해 너무 느릴 수 있습니다. 신뢰할 수 있는 환경에서 속도가 중요하지 않은 사용 사례(예: 백그라운드 정보 수집, 자동화된 소프트웨어 테스트)에 집중하세요.
2. 컴퓨터 비전 정확도 및 신뢰성: Claude는 액션을 생성하는 동안 특정 좌표를 출력할 때 실수를 하거나 환각을 일으킬 수 있습니다. Claude Sonnet 3.7은 모델의 추론을 이해하고 잠재적인 문제를 식별하는 데 도움이 되는 사고 기능을 도입합니다.
3. 도구 선택 정확도 및 신뢰성: Claude는 액션을 생성하는 동안 도구를 선택할 때 실수를 하거나 환각을 일으키거나 문제를 해결하기 위해 예상치 못한 액션을 취할 수 있습니다. 또한 틈새 애플리케이션이나 여러 애플리케이션과 동시에 상호 작용할 때 신뢰성이 낮을 수 있습니다. 복잡한 작업을 요청할 때 모델을 신중하게 프롬프트하세요.
4. 스크롤 신뢰성: Claude Sonnet 3.7은 신뢰성을 향상시키는 방향 제어가 있는 전용 스크롤 액션을 도입했습니다. 이제 모델은 지정된 양만큼 모든 방향(위/아래/왼쪽/오른쪽)으로 명시적으로 스크롤할 수 있습니다.
5. 스프레드시트 상호 작용: Claude Sonnet 3.7에서 left_mouse_down, left_mouse_up과 같은 더 정밀한 마우스 제어 액션과 새로운 수정 키 지원이 추가되어 스프레드시트 상호 작용을 위한 마우스 클릭이 개선되었습니다. 이러한 세밀한 제어와 수정 키와 클릭을 결합하여 셀 선택을 더 안정적으로 만들 수 있습니다.
6. 소셜 및 커뮤니케이션 플랫폼에서의 계정 생성 및 콘텐츠 생성: Claude는 웹사이트를 방문하지만, 소셜 미디어 웹사이트 및 플랫폼에서 계정을 만들거나 콘텐츠를 생성 및 공유하거나 인간 사칭에 참여하는 Claude의 능력은 제한적입니다. 이 기능은 향후 업데이트될 수 있습니다.
7. 취약점: 탈옥이나 프롬프트 인젝션과 같은 취약점은 베타 컴퓨터 사용 API를 포함한 프론티어 AI 시스템 전반에 걸쳐 지속될 수 있습니다. 일부 상황에서 Claude는 콘텐츠에서 발견된 명령을 따르며, 때로는 사용자의 지시와 충돌하는 경우에도 그렇게 합니다. 예를 들어, 웹페이지의 Claude 지시나 이미지에 포함된 지시가 지시를 재정의하거나 Claude가 실수를 하게 만들 수 있습니다. 다음을 고려하세요: a. 최소 권한을 가진 가상 머신이나 컨테이너와 같은 신뢰할 수 있는 환경으로 컴퓨터 사용 제한하기 b. 엄격한 감독 없이 민감한 계정이나 데이터에 컴퓨터 사용 액세스 권한 부여 피하기 c. 애플리케이션에서 컴퓨터 사용 기능을 활성화하거나 필요한 권한을 요청하기 전에 최종 사용자에게 관련 위험을 알리고 동의 얻기
8. 부적절하거나 불법적인 액션: Anthropic의 서비스 약관에 따라 법률이나 허용 가능한 사용 정책을 위반하기 위해 컴퓨터 사용을 사용해서는 안 됩니다.

항상 Claude의 컴퓨터 사용 액션과 로그를 신중하게 검토하고 확인하세요. 인간의 감독 없이 완벽한 정밀도나 민감한 사용자 정보가 필요한 작업에 Claude를 사용하지 마세요.

데이터 보존

컴퓨터 사용은 클라이언트 측 도구입니다. 세션에 관련된 모든 스크린샷, 마우스 액션, 키보드 입력 및 파일은 Anthropic이 아닌 귀하의 환경에서 캡처되고 저장됩니다. Anthropic은 API 호출의 일부로 스크린샷 이미지와 액션 요청을 실시간으로 처리하지만 응답이 반환된 후에는 보존하지 않습니다.

애플리케이션이 컴퓨터 사용 데이터가 저장되는 위치와 방법을 제어하기 때문에 컴퓨터 사용은 ZDR 적격입니다. 모든 기능에 걸친 ZDR 적격성에 대해서는 API 및 데이터 보존을 참조하세요.

가격

Computer use follows the standard tool use pricing. When using the computer use tool:

System prompt overhead: The computer use beta adds 466-499 tokens to the system prompt

Computer use tool token usage:

Additional token consumption:

• Screenshot images (see Vision pricing)
• Tool execution results returned to Claude

다음 단계