Computer Use

UI interaction

برای کلیک، تایپ و پیمایش در محیط گرافیکی.

Agent workflow

برای جاهایی که یک agent باید stateful و چندمرحله‌ای کار کند.

Fallback path

وقتی API مستقیم در دسترس نیست یا برای workflow کافی نیست.

Guarded execution

بهترین استفاده وقتی است که guardrail و نظارت داشته باشی.

Computer Use ↔ Responses API

Responses API runtime اصلی است؛ Computer Use لایهٔ تعامل با UI است.

Computer Use ↔ Agents SDK

Agents SDK orchestration را می‌دهد؛ Computer Use اجرای UI را.

Computer Use ↔ ChatGPT

ChatGPT surface آماده است؛ Computer Use برای اجرای taskهای UI در محصول خودت است.

فلو عملی

یک task UI-محور کوچک را با راهنمای رسمی اجرا کن و بعد از آن تصمیم بگیر آیا این مسیر واقعاً لازم است یا نه.

• task UI-محور
• دسترسی به docs رسمی Computer Use
• محیط تست قابل‌نظارت

یک flow کوچک مثل باز کردن صفحه، پیدا کردن اطلاعات و ثبت یک action ساده را امتحان کن و ببین آیا API جایگزین بهتری دارد یا نه.

Computer Use

اجرای task روی UI به‌جای API مستقیم

• وقتی task باید روی UI انجام شود.
• وقتی API مناسب یا در دسترس نیست.
• وقتی agent تو باید بین چند صفحه یا ابزار گرافیکی حرکت کند.

Computer Use برای سناریوهایی است که agent باید با رابط کاربری گرافیکی شبیه کاربر واقعی کار کند؛ وقتی API رسمی یا مسیر بهتر وجود ندارد.

مرز محصول و API را روشن نگه دار

این component یک لایه مشخص در اکوسیستم است، نه کل اکوسیستم.

اول یک workflow کوچک بساز

به‌جای مسیرهای پیچیده، با یک task کوچک و واقعی شروع کن.

لینک رسمی را جایگزین implementation نکن

docs مرجع هستند، اما باید در محصول خودت هم تست شوند.