Автоматизирай рутинни задачи в браузъра безплатно с AutoCua

Накратко

AutoCua е безплатен агент с MIT лиценз, който управлява браузъра, приложенията и терминала ти с AI модел по твой избор. Появи се в Hacker News на 4 ноември.
Плащаш само за API на модела. Работи с девет доставчика, включително OpenAI, Anthropic, Google и OpenRouter.
Парите: работа от 30 минути кликане дневно струва около 88 € на месец време. Същата работа през API са няколко евра.

Имаш задача, която повтаряш всеки ден. Отваряш сайт, копираш числа, поставяш ги другаде. Човек струва пари. Скрипт се счупва, щом страницата се смени. Агент за работа с компютър гледа екрана както ти и клика. AutoCua ти дава един безплатно.

Какво е

AutoCua е отворен агент за работа с компютър. В repo-то го описват като автоматичен агент за цялостна автоматизация на macOS, Windows, Linux, iOS и браузър. Езиков модел гледа екрана, решава какво да направи, а инструментът клика, пише и пуска команди.

Има пет режима: computer use за приложения на десктопа, browser use, shell use, web use (управлява твоя Chrome през разширение) и mobile use за iPhone и iPad симулатори. Mobile е само за macOS, а Android още няма.

Кой стои зад него? Repo-то е под акаунта ComputerUseAgent и не намерих страница на компания. Това е нормално за нов отворен проект, но имай го предвид, когато решаваш какви достъпи да му дадеш.

Колко струва

Част	Цена
Самият AutoCua	Безплатен, MIT лиценз
API на модела	Плащаш по токени на доставчика (OpenAI, Anthropic, Google, OpenRouter, Groq, Cerebras, Together AI, Perplexity, AWS Bedrock)
Windows UAC драйвер (Interception)	Отделна стъпка. Двойно лицензиран: за търговска употреба трябва платен лиценз от автора
iOS режим	Изисква пълен Xcode на Mac

В repo-то има 48 имена на модели в файл model_list.txt. Имената различават главни и малки букви и не се проверяват, така че грешно име дава 404.

Сметката

Сметката: вземи една работа: 30 минути дневно копиране на данни между две уеб страници. При 8 € на час са 4 € на ден, или 88 € на месец при 22 работни дни. Сега го дай на агента. Приеми, че едно изпълнение струва 0,20 € токени (мое предположение, зависи от модела и страницата). Това е 4,40 € на месец. Спестяваш около 83 € на месец от една работа, около 1 000 € на година. Десет такива задачи и числото сменя начина, по който планираш наемане. Провери реалната цена на едно изпълнение, преди да вярваш на моята цифра.

Настройване за 20 минути

Провери дали имаш Python 3.10 или по-нов. Пусни python --version.
Инсталирай пакета: pip install AutoCua. На Linux първо инсталирай пакетите от README (GNOME, AT-SPI, GTK bindings). Тестван е на Ubuntu с Wayland, X11 още не е тестван.
Вземи API ключ. OpenRouter е най-лесният старт: един ключ, много модели. Можеш и директно от OpenAI, Anthropic или Google.
Ако работиш от checkout, пусни setup скрипта за системата си (setup_mac.sh, setup_windows.bat или setup_linux.sh), копирай .env.example в .env и сложи ключа.
Избери име на модел от model_list.txt. Копирай го точно.
Опиши задачата с прости думи и я пусни с лаунчъра отдолу.
Започни с задача само за четене, например резюме на страница. Само после пробвай задачи с писане и кликане.

from AutoCua.agent_launcher import run_agent

run_agent(mode="web use", provider="openrouter", model="gemini-3.8-flash",
          task="Open wikipedia.org and summarise today's featured article.")

После пусни python main.py. За няколко задачи наедно README поддържа паралелно изпълнение през extra_tasks=[...].

Едно за браузър работа: трябва Google Chrome, и AutoCua го инсталира при първо стартиране, ако липсва.

Реална употреба

Проверка на цени. Отваря три портала на доставчици, чете цената на един артикул и я пише в списък. В магазин за части като GiantParts такава работа има цял ден. Планирам да го тествам там, първо само за четене.
Преписване на доклади. Взима числа от табло, което няма бутон за експорт, и ги слага в таблица.
Попълване на форми. Попълва една и съща форма на доставчик или маркетплейс от таблица с данни.
Тест на собствения сайт. Казваш му да мине цял checkout и да докладва какво е счупено.

Ограничения и слаби места

Прочети тази част, преди да инсталираш нищо. README-то е честно за това.

Shell инструментът не е sandbox и няма потвърждение преди команди. Грешна указание може да изтрие или изпрати неща. Ползвай виртуална машина или резервен компютър.
В repo-то няма автоматизирани тестове.
Режимът само за четене при shell команди се спазва с промпт, а не с код. Моделът може да го игнорира.
Някои резервни варианти за търсене (Together AI, Cerebras, AWS Bedrock) минават през браузър агента и може да отнемат минути.
Интеграциите за Discord и WhatsApp са само заглушки и не работят.
Сайтове, които търсят overlay-а на браузъра, могат да го засекат.
Безплатните provisioning профили на Apple ID за реални iOS устройства изтичат след 7 дни.

Моето честно мнение: проектът е млад. Звездите бяха малко, когато гледах страницата на repo-то, а други сайтове цитират различни числа, така че не бих вярвал на популярността като доказателство. Суди по собствения си тест.

Алтернативи

Официалните computer-use инструменти на големите лаборатории. По-довършени и с поддръжка, но плащаш техната цена и живееш по техните правила.
Библиотеки за браузър автоматизация. Добри, ако задачата е само в браузър и можеш да напишеш малко код.
Класически инструменти като Make или n8n. Най-добри, ако сайтът има API. Винаги са по-евтини и по-стабилни от агент, който клика, така че пробвай най-напред тези.

Мнението на Иван

Струва да се тества, но още не да се вярва сляпо. Безплатен агент за десктоп, браузър и телефонни симулатори е рядкост, а сметката при повтарящи се задачи е силна. Но без sandbox и без потвърждение ще го пускам само във виртуална машина, с еднократен API ключ и първо само за четене. Ако мине седмица така, ще преместя една реална задача за цени на доставчици.

Източник: AutoCua on GitHub

За автора

Ivan Ivanov

Основател на