Open Computer Use 安装与使用方法全解：从零配置到跑通第一个任务-平芜编程栈

1. 为什么我建议你先在本地把 Open Computer Use 跑起来

Open Computer Use 是一个开源的 AI 计算机控制平台，简单说就是让 AI Agent 像人一样真正操作电脑：打开浏览器搜索、在终端里跑命令、点击桌面 UI、把多步流程串起来自动执行。它和只会“聊任务”的聊天机器人不一样，Agent 会实际动手，浏览器自动化、终端访问、桌面控制三条执行路径都覆盖，定位接近 Anthropic 的 Claude Computer Use，但完全开源、可扩展，在 OSWorld 基准上做到过 82% 的水平。

它适合谁？适合第一次接触 Computer Use 概念、想在自己机器上验证“AI 真的能操作电脑”的开发者；也适合想把重复性桌面流程（填表、巡检、截图、跑脚本）自动化掉的人。这篇就按“从零配置到跑通第一个任务”的路径写，目标是你跟着敲完命令，30 分钟内看到 Agent 在本地执行一次真实桌面操作。

需要提前说清楚：Open Computer Use 的完整形态依赖 Docker 跑一个隔离的 Linux 桌面 VM，所以本地环境要装 Docker；如果你只想先体验对话和任务编排，可以先用轻量方式接入，后面再补 VM。下面每一步我都给可复制的命令和配置骨架，遇到报错直接对照第 5 节排查。

2. 前置准备：环境、依赖与 TaoToken 接入

2.1 本地环境要求

先把基础依赖确认一遍，缺什么补什么：

Node.js 20+（前端 Next.js 15 需要）
Python 3.10+（后端 FastAPI 需要）
Docker（用于跑 ai-desktop 容器，也就是 Agent 操作的“电脑”）
Git

验证命令：

node -v # 期望 v20.x 或更高 python3 -V # 期望 3.10+ docker -v # 期望 Docker version 20+ git --version

如果 Docker 没装，去官网按系统装桌面版即可，装完执行docker run hello-world确认能拉镜像。

2.2 为什么这里要提 TaoToken

Open Computer Use 本身是编排框架，真正“思考”的那一步要调用大模型。项目支持多家供应商，但如果你手头没有现成的 OpenAI / Anthropic Key，或者想统一管理模型调用和额度，可以用 TaoToken 作为模型接入层。它的 API 地址是https://taotoken.net/api，兼容常见的大模型调用格式，拿到 Key 后填进环境变量就能用，不用改代码结构。

TaoToken 在这里的角色是“模型供应商入口”，不是替代 Open Computer Use 本身。你仍然需要本地跑前端、后端和 VM，只是把模型请求指向 TaoToken。官网入口在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end ，注册后在控制台创建 API Key。

2.3 获取 Key 与配置环境变量

登录后进入控制台，在 API Keys 页面新建一个 Key，复制保存。然后回到项目目录配置环境变量。先克隆仓库：

git clone https://github.com/coasty-ai/open-computer-use.git cd open-computer-use

复制环境变量模板：

cp .env.oss.example .env.local

打开.env.local，最小可用配置如下（把占位符换成你自己的值）：

# 模型接入（以 TaoToken 为例） OPENAI_API_KEY=你的_TaoToken_Key OPENAI_BASE_URL=https://taotoken.net/api # 前端可访问的 Supabase（本地开发可先用官方免费项目） NEXT_PUBLIC_SUPABASE_URL=https://your-project.supabase.co SUPABASE_SERVICE_ROLE=your-service-role-key # 加密与 CSRF ENCRYPTION_KEY=随便一串32位以上随机字符串 CSRF_SECRET=另一串随机字符串

注意：OPENAI_BASE_URL这类变量名以项目实际读取的为准，不同版本可能叫AI_BASE_URL或供应商专属变量。填之前先grep -r "BASE_URL" backend/ app/搜一下，避免配了不生效。

如果你暂时不想接 Supabase，只想验证 Agent 执行链路，可以先把前端跑起来、用沙箱 Key 走通任务编排，数据库相关功能后面再补。

3. 可复制配置：安装依赖、启动后端与 VM

3.1 安装前端依赖并启动

npm install npm run dev

看到ready - started server on http://localhost:3000就说明前端起来了。此时打开浏览器访问http://localhost:3000，应该能看到聊天界面。如果页面报 Supabase 连接错误，说明 2.3 里的 Supabase 变量没填对，先补上再刷新。

3.2 启动后端 FastAPI

新开一个终端，进入项目根目录：

cd backend python3 -m venv .venv source .venv/bin/activate # Windows 用 .venv\Scripts\activate pip install -r requirements.txt uvicorn main:app --reload --port 8001

启动成功后访问http://localhost:8001/docs，能看到 Swagger 交互文档就对了。这个文档后面排查接口问题很有用，比如任务提交失败时可以直接在这里手动发请求看返回。

3.3 启动本地 VM 容器

Open Computer Use 的 Agent 需要一台“被操作的电脑”，本地开发用 Docker 跑：

cd docker/ai-desktop docker build -t ai-desktop:local . docker run -d --name ai-desktop \ -p 5900:5900 \ -p 8080:8080 \ -p 9222:9222 \ ai-desktop:local

三个端口分别是：5900 是 VNC（你可以用 VNC 客户端看 Agent 在干什么）、8080 是 VM 内 WebSocket Agent 服务、9222 是 Chrome CDP 调试端口。启动后执行：

docker ps | grep ai-desktop

确认容器状态是Up。如果容器起来又退出，用docker logs ai-desktop看日志，常见原因是镜像构建时依赖没装全。

3.4 配置文件骨架

在项目根目录建一个config/local.yaml（如果项目没有默认配置目录，就按后端读取路径放），内容参考：

vm: provider: docker host: localhost ws_port: 8080 vnc_port: 5900 chrome_cdp_port: 9222 agent: planner: model: gpt-4o-mini max_steps: 20 browser: headless: false terminal: timeout: 120 desktop: screenshot_interval: 2 approval: mode: smart_approve # full_control / smart_approve / approve_all / off

approval.mode建议第一次跑用smart_approve，只读操作自动放行，破坏性操作会等你确认，安全一些。等你熟悉流程后再考虑full_control。

4. 验证请求：跑通第一个桌面自动化任务

4.1 确认各服务连通

在提交任务前，先做三步连通性检查：

# 前端 curl -I http://localhost:3000 # 后端 curl http://localhost:8001/docs # VM 内 Agent 服务 curl http://localhost:8080/health

三个都返回 200 或正常响应，说明链路通了。如果 8080 不通，回到 3.3 检查容器端口映射。

4.2 提交第一个任务

打开http://localhost:3000，新建一个会话，在输入框里写一个足够简单、可验证的任务，比如：

打开浏览器，访问 example.com，截图保存到桌面，然后告诉我页面标题是什么。

这个任务同时用到了 Browser Agent（导航、截图）和 Desktop Agent（保存文件），适合作为首个验证。提交后你会看到：

聊天区流式输出 Planner 拆解的子任务
工具调用卡片依次出现（browser_navigate、browser_screenshot 等）
如果开了 VNC，能看到容器桌面里 Chrome 真的被打开、页面在动

4.3 用 API 直接验证（可选）

如果你想脱离前端单独验证后端，可以直接调接口：

curl -X POST http://localhost:8001/api/chat \ -H "Content-Type: application/json" \ -d '{ "message": "打开浏览器访问 example.com 并截图", "machineId": "local-docker", "model": "gpt-4o-mini" }'

返回如果是流式的 SSE，你会看到一段段 JSON 事件；如果是普通 JSON，检查status字段是否为success。这一步能帮你区分“前端展示问题”还是“后端执行问题”。

4.4 成功结果长什么样

任务跑完，你应该看到类似输出：

[Planner] 任务拆解为 3 个子任务 [Browser] 导航到 https://example.com 完成 [Browser] 截图已保存: /home/user/Desktop/screenshot_001.png [Planner] 页面标题: Example Domain 任务完成，耗时 18s

同时在 VNC 里能看到桌面多了一张截图文件。到这一步，说明安装、依赖、VM、模型调用、Agent 编排全链路都通了。

5. 本篇常见错排查

5.1 npm install 卡住或报 peer dependency 冲突

Next.js 15 + React 19 的组合对依赖版本比较敏感。先确认 Node 是 20+，然后：

rm -rf node_modules package-lock.json npm install --legacy-peer-deps

--legacy-peer-deps能绕过一部分严格 peer 校验，但不建议长期用，装完能跑就先这样。

5.2 后端启动报 ModuleNotFoundError

多半是虚拟环境没激活，或者requirements.txt没装全。确认终端提示符前有(.venv)，然后：

pip install -r requirements.txt --upgrade

如果某个包编译失败（比如带 C 扩展的），先装系统级依赖，Ubuntu 下常见的是build-essential和python3-dev。

5.3 VM 容器起来了但 Agent 连不上

现象是任务提交后一直卡在“连接 VM”。排查顺序：

docker logs ai-desktop --tail 50 curl http://localhost:8080/health

如果 health 不通，检查容器内服务是否监听在0.0.0.0而不是127.0.0.1。很多 WebSocket 服务默认只绑本地，容器外就访问不到，需要在启动参数或配置里改成0.0.0.0。

5.4 模型调用返回 401 或超时

401 基本是 Key 或 Base URL 配错。检查.env.local里 Key 有没有多余空格、Base URL 是不是https://taotoken.net/api（注意结尾不要多加/v1，除非项目文档明确要求）。超时的话，先curl一下模型接口确认网络可达：

curl https://taotoken.net/api/v1/models \ -H "Authorization: Bearer 你的Key"

能返回模型列表，说明接入层没问题，问题在后端读取环境变量的逻辑，用grep搜一下变量名是否一致。

5.5 任务执行到一半停住，审批弹窗没出现

如果你把approval.mode设成了approve_all，每个操作都要确认，但前端审批组件没渲染出来，任务就会挂起。先切回smart_approve验证流程，再单独排查审批 UI。另外检查浏览器控制台有没有报错，审批状态通常走 WebSocket 推送，连接断了就收不到。

6. 接下来怎么用：从跑通到长期编码与 Agent

第一个任务跑通后，你可以往两个方向走。一是把常用流程固化成定时任务或触发器，让 Agent 定期执行；二是把 Open Computer Use 接到日常编码工作流里，比如让它帮你跑测试、填表单、做巡检。

如果你打算长期用它做编码辅助或 Agent 编排，模型调用量会上来，这时候建议用 Coding Plan 这类按周期计费的方式管理额度，比单次调用更可控，入口在 https://taotoken.net/api 对应的控制台里可以找到。需要新建或轮换 Key 时，直接去 API Keys 页面操作：https://taotoken.net/api-keys 。接入文档和参数说明在 https://taotoken.net/doc ，遇到模型名、请求格式的问题先翻这里。

想先不写代码、直接对话验证模型效果，可以用模型对话页面：https://taotoken.net/chat 。而如果你更关心把 Agent 接到 Claude Code 这类编码工具里，参考 ClaudeCodeAnthropic 的接入说明：https://taotoken.net/claude-code-anthropic 。

最后提醒一句：Open Computer Use 的桌面控制能力很强，第一次跑建议全程开着 VNC 盯着，确认 Agent 的每一步操作符合预期，再逐步放开审批级别。跑通一个截图任务只是开始，真正的价值在于把你手上那些“每天都要点一遍”的流程交给它。