# Instrucciones para el agente: UI-TARS Desktop: controla interfaces con un agente visual

Pega este texto a tu agente (Claude Code, Codex, OpenCode, Hermes o el que uses) y dile «ayúdame a montarlo». Son los pasos para ponerlo en marcha; el porqué de cada pieza está en la guía completa.

- Dificultad: avanzado
- Proyecto: https://github.com/bytedance/UI-TARS-desktop/tree/main/apps/ui-tars (licencia Apache-2.0)
- Guía completa: https://lab.wisd.ai/hub/ui-tars-desktop

---

## Para el agente: cómo acompañar al usuario

1. Pregunta primero para qué lo quiere. Si su objetivo no necesita algún paso, sáltalo.
2. Antes de instalar, comprueba lo que ya tiene (versiones, claves, sistema operativo).
3. Avanza un paso cada vez: explica en una frase qué vas a hacer y deja que el usuario lo ejecute o lo apruebe.
4. Tras cada paso, comprueba que funcionó antes de seguir. Si falla, para y explica el error.
5. No inventes comandos ni opciones: si la documentación del proyecto contradice estos pasos, manda la documentación.
6. Al terminar, haz una prueba real con el objetivo del usuario y dile dónde profundizar.

---

## Pasos de configuración

### Preparación

Comprueba que usas una sola pantalla: la guía no admite configuraciones de varios monitores. Para Browser Operator instala Chrome, Edge o Firefox. Para la app empaquetada no necesitas preparar Node.js. En macOS, tras instalar habilita Accesibilidad y Grabación de pantalla para UI TARS en Privacidad y seguridad.

### Paso 1: sigue la guía de Desktop

Abre `docs/quick-start.md` del repositorio y descarga UI-TARS Desktop desde sus publicaciones oficiales. Elige el operador local y configura el proveedor, la URL base, la clave y el nombre del modelo conforme a esa guía. Para concretar Hugging Face, abre [Inference Endpoints](https://endpoints.huggingface.co/catalog), importa `UI-TARS-1.5-7B` y sigue la [receta de despliegue](https://github.com/bytedance/UI-TARS/blob/main/README_deploy.md): GPU compatible, límites de tokens y variables `CUDA_GRAPHS=0`, `PAYLOAD_LIMIT=8000000`. Espera a que el endpoint esté operativo. En Settings elige `Hugging Face for UI-TARS-1.5`, copia la URL de ese endpoint terminada en `/v1/`, su clave y el nombre exacto de modelo mostrado por el servicio. Es inferencia alojada con coste propio aunque uses el operador local. El servicio remoto gratuito documentado se retiró el 20 de agosto de 2025; la alternativa remota exige un despliegue propio según los enlaces de la guía.

### Paso 2: prepara una tarea reversible

Concede los permisos que requiera tu sistema. Selecciona Browser Operator, abre una conversación nueva y pide «Abre https://example.com y dime el encabezado principal sin seguir enlaces». La pantalla y la respuesta deben mostrar `Example Domain`. Así compruebas captura y navegación sin depender de una cuenta del navegador.

## Comprobación

Confirma que la captura corresponde al entorno esperado y que las acciones observadas coinciden con la instrucción. Verifica a qué endpoint se envía la información visual.

## Si algo falla

Distingue un error de permisos de pantalla de un error de autenticación del modelo. Revisa la guía de Desktop, evitando instrucciones de la CLI Agent TARS.