Framework mã nguồn mở Cua (phát âm là koo-ah) vừa được ra mắt, hứa hẹn mang đến giải pháp mạnh mẽ để chạy các tác tử AI trong môi trường ảo hóa. Tuy nhiên, sự ra mắt này đi kèm với cả sự nhiệt tình về mặt kỹ thuật lẫn sự hoài nghi từ cộng đồng về tính xác thực của một số tương tác người dùng ban đầu.
Framework cho tác tử sử dụng máy tính
Cua, viết tắt của Computer-Use Agent (Tác tử sử dụng máy tính), cung cấp một framework tích hợp cho phép các tác tử AI tương tác với môi trường ảo hóa macOS và Linux. Được xây dựng với hiệu suất gần như nguyên bản trên Apple Silicon, framework này cho phép các nhà phát triển tạo ra môi trường sandbox nơi các tác tử AI có thể thực hiện nhiệm vụ thông qua giao diện máy tính giống như con người—nhấp chuột, gõ phím và điều hướng các ứng dụng.
Framework này bao gồm một số thành phần, bao gồm Lume (một CLI để chạy máy ảo), Computer (giao diện để tương tác với các sandbox) và Agent (để chạy quy trình làm việc trong các sandbox chuyên dụng). Theo các cuộc thảo luận của cộng đồng, cách tiếp cận này mang lại những lợi thế đáng kể so với các phương pháp tự động hóa truyền thống, đặc biệt là trong việc xử lý các tương tác UI phức tạp.
Phát hiện UI là một trọng tâm lớn - chúng tôi sử dụng visual grounding + structured observations (như biểu tượng, OCR, metadata ứng dụng, trạng thái cửa sổ), vì vậy tác tử có thể suy luận giống như người dùng. Nó đáng ngạc nhiên là mạnh mẽ ngay cả khi có sự thay đổi bố cục hoặc chủ đề mới.
| Thành phần Cua | Mô tả |
|---|---|
| Lume | CLI để chạy máy ảo macOS/Linux với hiệu suất gần như tự nhiên sử dụng framework Virtualization của Apple |
| Computer | Framework Computer-Use Interface (CUI) để tương tác với các sandbox macOS/Linux |
| Agent | Framework Computer-Use Agent (CUA) để chạy các quy trình agent trong các sandbox chuyên dụng |
| Core | Chức năng cốt lõi và tiện ích được sử dụng bởi các gói Cua khác |
| Pylume | Ràng buộc Python cho Lume |
Khả năng kỹ thuật và hạn chế
Người dùng trong các bình luận nhấn mạnh rằng khả năng chạy máy ảo macOS ngay từ đầu của Cua là điều khiến nó khác biệt so với các đối thủ cạnh tranh. Framework này hỗ trợ nhiều vòng lặp tác tử, bao gồm các vòng lặp dựa trên mô hình của OpenAI, Anthropic, Omni và UI-Tars. Tuy nhiên, một số người dùng đã báo cáo các vấn đề kỹ thuật, bao gồm sự cố kết nối giữa tác tử và máy ảo, cho thấy công nghệ này vẫn đang trong giai đoạn phát triển.
Những hạn chế hiện tại bao gồm việc không hỗ trợ Windows (mặc dù theo báo cáo đã có trong lộ trình) và một số hạn chế về hiệu suất khi sử dụng các mô hình cục bộ kém mạnh hơn. Các nhà phát triển khuyến nghị kết hợp cấu hình vòng lặp Omni với các mô hình mạnh mẽ hơn như Qwen2.5-VL 32B hoặc các tùy chọn đám mây như Sonnet 3.7 hoặc OpenAI GPT-4.1 để có kết quả tối ưu.
Tranh cãi trong cộng đồng
Có lẽ khía cạnh đáng chú ý nhất trong sự ra mắt của Cua là tranh cãi xung quanh một số tương tác ban đầu từ cộng đồng. Một số người bình luận đã chỉ ra những gì có vẻ là sự ủng hộ được tạo ra một cách nhân tạo, nhấn mạnh nhiều tài khoản người dùng mới đăng các bình luận nhiệt tình và nhận được phản hồi tương tự từ một đại diện dự án.
Điều này đã làm dấy lên cuộc thảo luận về đạo đức của việc sử dụng AI để tạo ra các bình luận ủng hộ cho việc ra mắt sản phẩm, với một số người dùng cho rằng hành vi này vi phạm hợp đồng xã hội của các cộng đồng công nghệ. Tình huống này đặt ra những câu hỏi quan trọng về tính xác thực trong việc ra mắt sản phẩm trong kỷ nguyên AI.
Hướng phát triển trong tương lai
Mặc dù có tranh cãi, lộ trình kỹ thuật của Cua có vẻ đầy tham vọng. Nhóm phát triển đã chỉ ra kế hoạch cho các máy ảo tạm thời (lý tưởng cho các pipeline CI), hỗ trợ máy chủ Windows và dịch vụ lưu trữ hỗ trợ các phiên bản đám mây macOS và Windows. Họ cũng đang làm việc trên các giao diện Docker cho VNC và lưu trữ mô hình.
Đối với các nhà phát triển quan tâm đến các tác tử sử dụng máy tính, Cua đại diện cho một lựa chọn mới thú vị trong một lĩnh vực đang phát triển bao gồm các đối thủ cạnh tranh như e2b, AgentDesk và pig.dev. Bản chất mã nguồn mở của dự án (giấy phép MIT) và tập trung vào hỗ trợ macOS có thể làm cho nó đặc biệt có giá trị cho một số trường hợp sử dụng nhất định, với giả định rằng nhóm có thể giải quyết cả thách thức kỹ thuật và mối quan ngại của cộng đồng trong tương lai.
Tham khảo: cua