Claude Computer Use

Claude Computer Use 是 Anthropic 在 2024 年底推出的實驗性功能，讓 Claude 能像人類一樣「看著螢幕操作電腦」。它的運作方式是：截圖當前畫面 → 理解螢幕上的元素和狀態 → 決定下一步要做什麼（移動滑鼠到哪、點哪個按鈕、輸入什麼文字）→ 執行動作 → 截圖觀察結果 → 決定下一步 → 循環，直到任務完成。 和 MCP 的根本差別：MCP 需要目標軟體提供 API（以程式化的方式開放特定功能）；Computer Use 不需要任何 API，只要軟體有圖形介面（用滑鼠和鍵盤操作的視窗），Claude 就能操作它。這讓 Claude 能操作任何人類能用的軟體，包括沒有 API 的舊系統、內部工具。 Computer Use 目前通過 Anthropic API 提供（需要在 API 請求裡啟用 `computer_use` 工具），Anthropic 提供了 Docker 容器的參考實作供開發者測試。

Computer Use 為什麼是 AI Agent 能力的重要里程碑？因為它打破了「AI 只能操作有 API 的系統」的限制。在 Computer Use 之前，AI 要整合到真實工作流裡，需要目標系統提供 API——大量企業的舊系統、專業軟體、內部工具都沒有 API，這讓 AI 整合的範圍受到很大的限制。 Computer Use 讓 AI 能用「和人類相同的方式」操作任何軟體。一個典型的使用場景：一個財務分析師每週需要從公司舊版財務系統（1998 年開發，沒有 API）導出報告，再整合到 Excel。這個任務每週要花 45 分鐘手動操作。用 Computer Use，Claude 在受監督的環境裡能完成同樣的操作，把時間壓縮到 8-10 分鐘。 目前的限制：速度比 API 呼叫慢很多（每次操作需要截圖循環）；視覺識別在複雜介面上可能出錯；需要在隔離環境（VM 或 Docker）裡運行以保障安全。

Computer Use 目前最值得關注的使用場景（和限制）： **適合的場景**：需要操作沒有 API 的舊系統的一次性任務；技術演示和概念驗證；有人監督的半自動化流程（Claude 操作，人工確認關鍵步驟）。 **不適合的場景**：高速高頻率的自動化（太慢）；高風險或不可逆的操作（視覺識別準確率不夠高）；完全無人監督的生產環境部署（目前技術成熟度不夠）。 **對普通用戶的意義**：Computer Use 代表了未來 AI 能整合進任何工作流的方向——不需要目標系統支援 API，不需要工程師寫整合代碼，AI 直接「坐在」軟體前面工作。雖然目前還是實驗性質，但這個方向的成熟將讓 AI 自動化的邊界從「有 API 的系統」擴展到「任何有螢幕的系統」。

如何開始使用 Claude Computer Use： **安全第一**：在測試 Computer Use 時，務必在隔離環境（VM 或 Docker）裡運行，不要直接在你的主要工作電腦上運行，以防意外操作影響重要資料。 **官方資源**：Anthropic 提供了 Docker 容器的參考實作（docker.io/anthropic/computer-use-demo），讓你能在安全的隔離環境裡測試。GitHub 上的 anthropics/anthropic-quickstarts 倉庫的 computer-use-demo 目錄是最好的起步點。 **API 啟用方式**：在 API 請求裡加入 `computer_use` 工具，指定螢幕的寬度和高度，Claude 會開始截圖、分析、並輸出操作指令（移動到哪個座標、點擊什麼按鈕）。你的應用程式負責接收這些指令並執行實際的滑鼠鍵盤操作。 **推薦的學習路徑**：先從官方 Demo 理解運作原理 → 嘗試在 Docker 環境裡讓 Claude 做一個簡單任務 → 再考慮開發自己的 Computer Use 應用。