☕️ 卡布奇诺

一个解放你双手的本地自动化智能体 🤖

放心将任务交予我，去静享一杯醇香的卡布奇诺 ☕️

待你悠然归来，任务早已悄然完成 🍃

## 💡 概述 **卡布奇诺**是一个能操控电脑帮你解决繁琐任务的 GUI Agent，只需一条简单的指令，AI 就能生成详细的任务规划并执行。与解析图片元素或使用浏览器接口的其他现有方案不同，**卡布奇诺**是基于桌面屏幕的纯视觉方案。你可以直接使用 API 调用模型快速上手，也可以接入 Telegram 使用手机操控。 ## ✨ 特点 - **本地部署：** 本项目完全开源，可自行部署到自己的服务器并设置安全措施，保护您的隐私。 - **可拓展性：** 当前架构支持自定义添加更多的执行器以拓展 Agent 的能力。 - **软件适配：** 开发者可根据自身所需软件微调模型，让 Agent 获得更好的软件操控能力。 ## 📰 更新 - **[2026/02/24]** 🔧 添加 MCP 模块，现已支持接入 MCP 提升 Agent 能力。 - **[2026/02/01]** 🏆 更新了系统架构、server，提供 Telegram 接入方式，暂不兼容客户端使用方式。 - **[2025/03/26]** ⌨️ 添加了代码执行器，能更好的生成文件。 - **[2025/02/27]** 🏆 现在你可以使用 qwen 和 gpt-4o 体验 cappuccino。 > 你的 star🌟 是我们更新的最大动力！ ## 🎥 演示 https://github.com/user-attachments/assets/5949cd2f-92f1-4e2a-a1da-831cb7e08607 ## 👨‍💻 快速开始 ### 0. 硬件准备目前该项目支持部署在 Windows 和 Mac，由于系统的快捷键和操作方式等差异，不同系统的体验可能会有区别，我们后续还会进行更多的系统适配。 ### 1. 模型部署本项目支持使用供应商的 API 或本地部署 LLM。若您需要本地部署，请使用 OpenAI 兼容的 API 服务，我们推荐使用 vLLM 进行部署，具体可以参考 [官网教程](https://qwen.readthedocs.io/zh-cn/latest/deployment/vllm.html#openai-compatible-api-service) 。 ### 2. 服务端配置与启动以下操作在需要被控制的计算机上执行。 #### 2.1 克隆仓库 ```bash git clone https://github.com/GML-FMGroup/cappuccino.git cd cappuccino ``` #### 2.2 安装依赖首先安装 uv（如果已安装可跳过）： ```bash # macOS/Linux curl -LsSf https://astral.sh/uv/install.sh | sh # Windows powershell -c "irm https://astral.sh/uv/install.ps1 | iex" # 或使用 pip pip install uv ``` 然后安装项目依赖： ```bash uv sync ``` #### 2.3 调整配置 ```bash cp env.example .env ``` 填写对应的模型配置，可按需调整 Agent 配置、服务启动类型对于 Telegram 设置，请参考 TELEGRAM_SETUP.md 文档说明 #### 2.3 启动服务 ```bash uv run python run_server.py ``` ### 3. 发送指令 #### 方法 1：Python 脚本运行 request_demo 文件 ```bash uv run python request_demo.py ``` 注：在另一台设备上运行以发起网络请求。当然，你也可以在被控制的终端上运行，但我们建议使用另一台设备发送指令，以避免影响计算机的操作执行。 #### 方法 2：Telegram 详情请参考 TELEGRAM_SETUP.md 文档说明 ### ⚠️ 注意事项 - 选择模型时，请确保名称正确且供应商支持该模

Agents

cappuccino

autoMate