Ferramenta de uso de computador

Claude pode interagir com ambientes de computador através da ferramenta de uso de computador, que fornece capacidades de captura de tela e controle de mouse/teclado para interação autônoma de desktop. No WebArena, um benchmark para navegação web autônoma em sites reais, Claude alcança resultados de ponta entre sistemas de agente único, demonstrando forte capacidade de completar tarefas de navegador multi-etapas de ponta a ponta.

Visão geral

O uso de computador é um recurso beta que permite que Claude interaja com ambientes de desktop. Esta ferramenta fornece:

• Captura de tela: Veja o que está sendo exibido na tela
• Controle de mouse: Clique, arraste e mova o cursor
• Entrada de teclado: Digite texto e use atalhos de teclado
• Automação de desktop: Interaja com qualquer aplicativo ou interface

Embora o uso de computador possa ser aumentado com outras ferramentas como bash e editor de texto para fluxos de trabalho de automação mais abrangentes, o uso de computador especificamente se refere à capacidade da ferramenta de uso de computador de ver e controlar ambientes de desktop.

Para suporte de modelo, consulte a Referência de ferramentas.

Considerações de segurança

O uso de computador é um recurso beta com riscos únicos distintos dos recursos padrão da API. Esses riscos são aumentados ao interagir com a internet.

Em algumas circunstâncias, Claude seguirá comandos encontrados em conteúdo mesmo que conflitem com as instruções do usuário. Por exemplo, instruções Claude em páginas da web ou contidas em imagens podem substituir instruções ou fazer com que Claude cometa erros. Tome precauções para isolar Claude de dados e ações sensíveis para evitar riscos relacionados a injeção de prompt.

O modelo foi treinado para resistir a essas injeções de prompt, e uma camada extra de defesa foi adicionada. Se você usar as ferramentas de uso de computador, classificadores serão executados automaticamente em seus prompts para sinalizar possíveis instâncias de injeção de prompt. Quando esses classificadores identificam possíveis injeções de prompt em capturas de tela, eles automaticamente direcionarão o modelo a pedir confirmação do usuário antes de prosseguir com a próxima ação. Esta proteção extra não será ideal para todos os casos de uso (por exemplo, casos de uso sem um humano no loop), então se você gostaria de desativar e desligar, por favor entre em contato com o suporte.

Essas precauções permanecem importantes mesmo com a camada de defesa do classificador em vigor.

Informe aos usuários finais os riscos relevantes e obtenha seu consentimento antes de ativar o uso de computador em seus próprios produtos.

Início rápido

Aqui está como começar com o uso de computador:

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-4-7",  # or another compatible model
    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."}],
    betas=["computer-use-2025-11-24"],
)
print(response)

Como funciona o uso de computador

A repetição das etapas 3 e 4 sem entrada do usuário é chamada de "agent loop" (ou seja, Claude respondendo com uma solicitação de uso de ferramenta e sua aplicação respondendo a Claude com os resultados da avaliação dessa solicitação).

O ambiente de computação

O uso de computador requer um ambiente de computação em sandbox onde Claude pode interagir com segurança com aplicativos e a web. Este ambiente inclui:

1. Display virtual: Um servidor de display X11 virtual (usando Xvfb) que renderiza a interface de desktop que Claude verá através de capturas de tela e controlará com ações de mouse/teclado.

2. Ambiente de desktop: Uma interface leve com gerenciador de janelas (Mutter) e painel (Tint2) em execução no Linux, que fornece uma interface gráfica consistente para Claude interagir.

3. Aplicativos: Aplicativos Linux pré-instalados como Firefox, LibreOffice, editores de texto e gerenciadores de arquivos que Claude pode usar para completar tarefas.

4. Implementações de ferramentas: Código de integração que traduz solicitações de ferramentas abstratas de Claude (como "mover mouse" ou "tirar captura de tela") em operações reais no ambiente virtual.

5. Agent loop: Um programa que lida com a comunicação entre Claude e o ambiente, enviando as ações de Claude para o ambiente e retornando os resultados (capturas de tela, saídas de comando) de volta para Claude.

Quando você usa o uso de computador, Claude não se conecta diretamente a este ambiente. Em vez disso, sua aplicação:

1. Recebe as solicitações de uso de ferramenta de Claude
2. As traduz em ações em seu ambiente de computação
3. Captura os resultados (capturas de tela, saídas de comando, etc.)
4. Retorna esses resultados para Claude

Para segurança e isolamento, a implementação de referência executa tudo isso dentro de um contêiner Docker com mapeamentos de porta apropriados para visualizar e interagir com o ambiente.

Como implementar o uso de computador

Comece com a implementação de referência

Uma implementação de referência está disponível que inclui tudo o que você precisa para começar rapidamente com o uso de computador:

• Um ambiente containerizado adequado para uso de computador com Claude
• Implementações das ferramentas de uso de computador
• Um agent loop que interage com a API Claude e executa as ferramentas de uso de computador
• Uma interface web para interagir com o contêiner, agent loop e ferramentas.

Entendendo o agent loop

O núcleo do uso de computador é o "agent loop" - um ciclo onde Claude solicita ações de ferramentas, sua aplicação as executa e retorna resultados para Claude. Aqui está um exemplo simplificado:

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"
    )
    text_editor_type = (
        "text_editor_20250728"
        if "20251124" in tool_version
        else f"text_editor_{tool_version}"
    )

    # 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": text_editor_type, "name": "str_replace_based_edit_tool"},
        {"type": "bash_20250124", "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})

O loop continua até que Claude responda sem solicitar nenhuma ferramenta (conclusão da tarefa) ou o limite máximo de iteração seja atingido. Esta proteção evita possíveis loops infinitos que poderiam resultar em custos de API inesperados.

Experimente a implementação de referência antes de ler o resto desta documentação.

Otimize o desempenho do modelo com prompting

Aqui estão algumas dicas sobre como obter as melhores saídas de qualidade:

1. Especifique tarefas simples e bem definidas e forneça instruções explícitas para cada etapa.
2. Claude às vezes assume resultados de suas ações sem verificar explicitamente seus resultados. Para evitar isso, você pode fazer um prompt para Claude com After each step, take a screenshot and carefully evaluate if you have achieved the right outcome. Explicitly show your thinking: "I have evaluated step X..." If not correct, try again. Only when you confirm a step was executed correctly should you move on to the next one.
3. Alguns elementos de interface (como dropdowns e barras de rolagem) podem ser complicados para Claude manipular usando movimentos de mouse. Se você experimentar isso, tente fazer um prompt para o modelo usar atalhos de teclado.
4. Para tarefas repetíveis ou interações de interface, inclua capturas de tela de exemplo e chamadas de ferramentas de resultados bem-sucedidos em seu prompt.
5. Se você precisar que o modelo faça login, forneça o nome de usuário e senha em seu prompt dentro de tags xml como <robot_credentials>. Usar o uso de computador dentro de aplicativos que exigem login aumenta o risco de resultados ruins como resultado de injeção de prompt. Revise o guia sobre mitigação de injeções de prompt antes de fornecer ao modelo credenciais de login.

Prompts do sistema

Quando uma das ferramentas do schema Anthropic é solicitada através da API Claude, um prompt do sistema específico de uso de computador é gerado. É semelhante ao prompt do sistema de uso de ferramentas mas começa com:

You have access to a set of functions you can use to answer the user's question. This includes access to a sandboxed computing environment. You do NOT currently have the ability to inspect files or interact with external resources, except by invoking the below functions.

Como com o uso regular de ferramentas, o campo system_prompt fornecido pelo usuário ainda é respeitado e usado na construção do prompt do sistema combinado.

Ações disponíveis

A ferramenta de uso de computador suporta estas ações:

Ações básicas (todas as versões)

• screenshot - Capturar a exibição atual
• left_click - Clique nas coordenadas [x, y]
• type - Digite a string de texto
• key - Pressione a tecla ou combinação de teclas (por exemplo, "ctrl+s")
• mouse_move - Mova o cursor para as coordenadas

Ações aprimoradas (computer_20250124) Disponível em modelos Claude 4 e Claude Sonnet 3.7:

• scroll - Rolar em qualquer direção com controle de quantidade
• left_click_drag - Clique e arraste entre coordenadas
• right_click, middle_click - Botões de mouse adicionais
• double_click, triple_click - Múltiplos cliques
• left_mouse_down, left_mouse_up - Controle de clique refinado
• hold_key - Mantenha uma tecla pressionada por uma duração especificada (em segundos)
• wait - Pausa entre ações

Ações aprimoradas (computer_20251124) Disponível em Claude Opus 4.7, Claude Opus 4.6, Claude Sonnet 4.6 e Claude Opus 4.5:

• Todas as ações de computer_20250124
• zoom - Visualize uma região específica da tela em resolução completa. Requer enable_zoom: true na definição da ferramenta. Leva um parâmetro region com coordenadas [x1, y1, x2, y2] definindo os cantos superior esquerdo e inferior direito da área a inspecionar.

Parâmetros da ferramenta

Combinando com pensamento estendido

Para combinar o uso de computador com pensamento estendido, consulte Pensamento estendido.

Aumentando o uso de computador com outras ferramentas

Para adicionar outras ferramentas junto com o uso de computador, inclua-as no mesmo array tools. O início rápido acima mostra este padrão com a ferramenta bash e ferramenta de editor de texto. Você pode adicionar suas próprias definições de ferramentas personalizadas da mesma forma.

Construir um ambiente de uso de computador personalizado

A implementação de referência foi criada para ajudá-lo a começar com o uso de computador. Ela inclui todos os componentes necessários para que Claude use um computador. No entanto, você pode construir seu próprio ambiente para uso de computador de acordo com suas necessidades. Você precisará de:

• Um ambiente virtualizado ou containerizado adequado para uso de computador com Claude
• Uma implementação de pelo menos uma das ferramentas de uso de computador do esquema Anthropic
• Um loop de agente que interage com a API Claude e executa os resultados de tool_use usando suas implementações de ferramentas
• Uma API ou interface que permita entrada do usuário para iniciar o loop do agente

Implementar a ferramenta de uso de computador

A ferramenta de uso de computador é implementada como uma ferramenta sem esquema. Ao usar esta ferramenta, você não precisa fornecer um esquema de entrada como com outras ferramentas; o esquema é integrado ao modelo Claude e não pode ser modificado.

Lidar com erros

Ao implementar a ferramenta de uso de computador, vários erros podem ocorrer. Veja como lidar com eles:

Lidar com dimensionamento de coordenadas para resoluções mais altas

A API restringe imagens a um máximo de 1568 pixels na borda mais longa e aproximadamente 1,15 megapixels no total (veja redimensionamento de imagem para detalhes). Por exemplo, uma tela de 1512x982 é reduzida para aproximadamente 1330x864. Claude analisa essa imagem menor e retorna coordenadas nesse espaço, mas sua ferramenta executa cliques no espaço de tela original.

Isso pode fazer com que as coordenadas de clique do Claude percam seus alvos, a menos que você lide com a transformação de coordenadas.

Para corrigir isso, redimensione screenshots você mesmo e dimensione as coordenadas do Claude de volta:

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)

Seguir as melhores práticas de implementação

Entender as limitações do uso de computador

A funcionalidade de uso de computador está em beta. Embora as capacidades do Claude sejam de ponta, os desenvolvedores devem estar cientes de suas limitações:

1. Latência: a latência atual de uso de computador para interações humano-IA pode ser muito lenta em comparação com ações de computador direcionadas por humanos regulares. Concentre-se em casos de uso onde a velocidade não é crítica (por exemplo, coleta de informações em segundo plano, testes automatizados de software) em ambientes confiáveis.
2. Precisão e confiabilidade da visão computacional: Claude pode cometer erros ou alucinar ao gerar coordenadas específicas enquanto gera ações. Claude Sonnet 3.7 introduz a capacidade de pensamento que pode ajudá-lo a entender o raciocínio do modelo e identificar possíveis problemas.
3. Precisão e confiabilidade da seleção de ferramentas: Claude pode cometer erros ou alucinar ao selecionar ferramentas enquanto gera ações ou tomar ações inesperadas para resolver problemas. Além disso, a confiabilidade pode ser menor ao interagir com aplicações de nicho ou múltiplas aplicações ao mesmo tempo. Solicite o modelo com cuidado ao solicitar tarefas complexas.
4. Confiabilidade de rolagem: Claude Sonnet 3.7 introduziu ações de rolagem dedicadas com controle de direção que melhoram a confiabilidade. O modelo agora pode rolar explicitamente em qualquer direção (para cima/para baixo/esquerda/direita) por uma quantidade especificada.
5. Interação com planilhas: Cliques do mouse para interação com planilhas melhoraram em Claude Sonnet 3.7 com a adição de ações de controle de mouse mais precisas como left_mouse_down, left_mouse_up e novo suporte a teclas modificadoras. A seleção de células pode ser mais confiável usando esses controles refinados e combinando teclas modificadoras com cliques.
6. Criação de conta e geração de conteúdo em plataformas sociais e de comunicação: Embora Claude visite sites, a capacidade do Claude de criar contas ou gerar e compartilhar conteúdo ou de outra forma se envolver em personificação humana em sites e plataformas de mídia social é limitada. Essa capacidade pode ser atualizada no futuro.
7. Vulnerabilidades: Vulnerabilidades como jailbreaking ou injeção de prompt podem persistir em sistemas de IA de fronteira, incluindo a API de uso de computador beta. Em algumas circunstâncias, Claude seguirá comandos encontrados em conteúdo, às vezes até em conflito com as instruções do usuário. Por exemplo, instruções do Claude em páginas da web ou contidas em imagens podem substituir instruções ou fazer com que Claude cometa erros. Considere o seguinte: a. Limitar o uso de computador a ambientes confiáveis, como máquinas virtuais ou contêineres com privilégios mínimos b. Evitar dar acesso de uso de computador a contas ou dados sensíveis sem supervisão rigorosa c. Informar os usuários finais sobre riscos relevantes e obter seu consentimento antes de ativar ou solicitar permissões necessárias para recursos de uso de computador em suas aplicações
8. Ações inadequadas ou ilegais: De acordo com os termos de serviço da Anthropic, você não deve empregar o uso de computador para violar nenhuma lei ou a Política de Uso Aceitável.

Sempre revise e verifique cuidadosamente as ações e logs de uso de computador do Claude. Não use Claude para tarefas que exigem precisão perfeita ou informações sensíveis do usuário sem supervisão humana.

Retenção de dados

O uso de computador é uma ferramenta do lado do cliente. Todos os screenshots, ações do mouse, entradas de teclado e quaisquer arquivos envolvidos em uma sessão são capturados e armazenados em seu ambiente, não pela Anthropic. A Anthropic processa as imagens de screenshot e solicitações de ação em tempo real como parte da chamada da API, mas não as retém após a resposta ser retornada.

Como sua aplicação controla onde e como os dados de uso de computador são armazenados, o uso de computador é elegível para ZDR. Para elegibilidade de ZDR em todos os recursos, veja API e retenção de dados.

Preços

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

Próximas etapas