000 no es un modelo de chat con una captura de pantalla pegada encima. Lee una pantalla en bruto y la convierte en elementos sobre los que puedes actuar —ventanas, botones, campos, cada uno con su posición y su etiqueta—, actúa y luego comprueba en la pantalla el cambio que cada acción debía provocar. Lo que hace un control se aprende con la experiencia, no se da por supuesto. Informa de lo que vio, de lo que hizo y de lo que ocurrió realmente, en un formato que puedes auditar, y mejora cuanto más tiempo trabaja en tus pantallas.
Resultados de percepción tipados —cada ventana, botón y campo con su posición y su etiqueta— a partir de capturas de pantalla en bruto. Sin DOM, sin árbol de accesibilidad. Esa misma percepción está disponible como API para tus propios agentes, incluidos otros modelos.
Cada clic se contrasta con el cambio que debía provocar. Una acción que no hizo nada se reintenta y se informa, nunca se disimula.
Cuando la pantalla no admite una acción, lo dice en vez de hacer clic en algo que parezca razonable. Los clics erróneos hechos con toda confianza son justo el fallo que se diseñó para eliminar.
Lo que hace cada control se aprende de su propio historial de acciones. El primer día pregunta; el día treinta ya conoce tus apps.
Interfaz en vivo
Lanza CommandAGI 000 detrás de un hilo con una sola llamada a la API. El hilo se puede observar mientras trabaja y conserva la evidencia detrás de cada paso.
Qué devuelve
Un solo endpoint — POST /v1/transduce — toma un id de modelo y sus entradas tipadas, y devuelve las salidas tipadas de ese modelo. GET /v1/models enumera cada firma.
No existe /v1/act. El modelo emite estructura; decidir qué hacer con ella es tarea de la política — tuya a través de la API, o nuestra cuando lo ejecutas dentro de un hilo.
import os, requests
res = requests.post(
"https://api.commandagi.com/threads",
headers={"Authorization": f"Bearer {os.environ['COMMANDAGI_API_KEY']}"},
json={
"model": "commandagi/CommandAGI-000",
"environment": "ubuntu",
"task": "Open a browser and book the cheapest flight to Tokyo next month.",
},
)
thread = res.json()
print(thread["id"], thread["watchUrl"])Lee la pantalla como objetos tipados y fundamentados en lugar de adivinar a partir de un borrón de píxeles.
Usa el ratón, el teclado, la terminal, las aplicaciones y las máquinas conectadas reales.
Comprueba el cambio que cada acción debía provocar, recupérate, y continúa hasta terminar.