返回首頁

代理開發平台

Claude 電腦操作工具正式版改用多動作回合,舊代理迴圈須處理順序與中止語義

Anthropic 將 computer use、Skills API 與 Files API 推至正式可用,並加入可讀取頁面結構的 browser use。新的 `computer_toolset_20260801` 可在一次模型回應發出多個有序動作,舊整合若只處理首個 `tool_use` 區塊便會失敗。

Прикли · CC0 · Image source
zh-Hant

Anthropic 將 computer use、Skills API 與 Files API 轉為正式可用,並新增針對網頁工作的 browser use。技術上最重要的遷移點是 `computer_toolset_20260801`:Claude 現可在單一回合輸出多個電腦動作,不必每次點擊、輸入或截圖後都重新呼叫模型。browser use 除了畫面像素,亦讀取頁面結構並鎖定特定欄位或按鈕,適合留在瀏覽器分頁內的工作;完整 computer use 則仍由開發者提供桌面環境和執行迴圈。

多動作回合不是可直接忽略的格式擴充。應用程式必須依序執行同一回應中的所有 `tool_use` 區塊,因為後續動作可能依賴前一步狀態;首個動作失敗後,後續項目須標記為未執行,每個 `tool_result` 亦要帶回相應的 `toolset_name`。只讀取第一個區塊、把動作平行執行,或漏回其中一項,都可能造成錯誤或界面狀態分岔。從舊版 `computer_20251124` 遷移時,工具形狀、縮放預設值、按鍵重複和過大截圖處理亦有變動。Anthropic 表示舊 beta 整合暫時仍可運作,工程團隊可分階段遷移。

Skills API 現可上傳、版本化並按請求附加由指令、腳本及模板組成的資料夾,內容在 Anthropic 的程式執行沙盒載入;Files API 則讓 PDF 或試算表上傳一次後以 ID 重用,正式版加入自動到期、提高五倍的速率限制,以及每個組織 1 TB 儲存。兩者組合可把程序知識、輸入文件、畫面操作及輸出檔案串成同一代理流程。

正式可用不代表電腦代理已免除隔離要求。網頁與圖片仍可能含提示注入,桌面環境、登入憑證、網路出口及高影響操作確認仍由整合方控制。下一步應實測批次大小對延遲和截圖 token 的影響,記錄完整操作軌跡,並以低權限沙盒驗證失敗中止是否真的阻止後續動作。

來源

  1. Build production agents with computer use, the Skills API, and the Files API
  2. Claude Platform GA: Computer Use, Browser Tool, Skills API, Files API