Qwen CUA Driver 0.20.8、デスクトップ操作をSkill、MCP、型付きSDK、ネイティブドライバーに分離

Qwen Codeは9月14日にCUA Driver 0.20.8をリリースし、デスクトップ自動化アーキテクチャをさらに明確化した。組み込みの`computer-use` Skillが操作フローを担い、別途インストールされる`@qwen-code/node-repl-mcp`が永続化されたJavaScript実行環境を提供し、さらに`@qwen-code/cua-sdk`がRustネイティブドライバーを呼び出す。Qwen Code本体にはMCP server、SDK、ドライバーは直接バンドルされていない。初回利用時に、Skillがnpmを介して現在のワークスペースへこれらをインストールする。

この階層化の技術的な要点は、数百に及ぶプラットフォーム操作を型付きインターフェースへ集約することにある。ドライバーはまず、macOS Accessibility、Windows UI Automation、Linux AT-SPIなどのインターフェースから完全なUI状態を取得し、その後はrevision diffのみを返す。モデルはセマンティック要素のtokenを使ってクリック、入力、スクロールを実行し、次のステップへ進む前に再観測する。0.20.8では、Linuxにおける観測データとREPL診断情報の欠落が修正され、環境に応じて入力の伝達方法が調整されるようになった。相対座標もオプションで利用でき、解像度の違いによるハードコードされたオフセットを減らせる。

リリースでは、macOS Universal、Linux x86_64／Arm64、Windows x86_64／Arm64向けのプリコンパイル済みファイルも同時に提供される。macOS版は署名および公証済みだが、Linuxパッケージは未署名で、最低でもglibc 2.31が必要となる。WindowsのUIAccess workerも未署名であり、より高い権限を必要とするインターフェース制御を有効にするには、管理者が自ら署名して信頼対象に追加しなければならない。SDKのpostinstallは該当プラットフォームのpayloadをダウンロードして検証するが、それでもワークスペース内の`node_modules`は変更される。

セキュリティ境界はネイティブドライバーだけを見て判断することはできない。Node REPLは通常のNode.js権限を持つMCP serverであり、モデルが生成したJavaScriptを実行できる。さらに、デスクトップ操作ではUIの読み取り、スクリーンショットの取得、キーボードとマウスの制御が可能だ。Qwen CodeはMCPの承認フローを継承し、ドライバーもdeny-by-defaultのYAMLまたはRego policyをサポートするものの、ドキュメントでは、信頼できる環境で実行し、承認内容を確認する必要があることが明記されている。エンジニアリングチームは今後、パッケージのバージョンが同期されているか、自動インストールでサプライチェーンを固定できるか、各プラットフォームの増分観測が長時間の作業セッションでも一貫性を保てるかを注視すべきだ。