Caesr AI

Caesr AI는 스크린샷만으로 동작한다. 에이전트가 화면에 보이는 것을 캡처하고, 모델이 다음 동작을 정하며, 사람처럼 클릭하고 입력하고 탐색한다. 애플리케이션 코드에 갈고리를 걸지 않는다. 그래서 API를 전혀 노출하지 않는 앱도 처리한다. 핵심은 바로 여기에 있다. 사람이 다룰 수 있다면 에이전트도 다룰 수 있다. API가 필요 없다.

작업은 코드가 아니라 마크다운이나 CSV로 작성한다. 애플리케이션을 아는 사람이라면 누구나 쓸 수 있고, 다른 모든 것과 함께 Git 저장소에 보관된다. UI가 바뀌면 레코더를 디버깅하는 대신 문장 하나를 고친다. 이건 큰 변화다. 전통적인 테스트 도구는 레이아웃이 조금만 바뀌어도 깨지지만, 여기서는 조정 비용이 한 줄이다.

AgentOS는 에이전트에게 운영체제를 제공하고, 키보드, 마우스, 화면 제어를 한 계층에 담는다. 작업을 수행하는 장비에서 돌아가므로 에이전트는 사람처럼 기기를 조작한다. 같은 런타임이 Windows, macOS, Linux는 물론 Android, 브라우저, 벤치 하드웨어까지 감당하므로 팀이 대상마다 다른 스택을 유지하지 않아도 된다.

AskUI Desktop은 작업을 작성하고 지켜보고 재생하는 곳이다. 작업을 열고, 연결된 기기에 실행하고, 에이전트가 거친 모든 단계를 다시 읽는다. 단계마다 스크린샷, 실행마다 기록이 붙는다. 감사 추적이나 인수인계 산출물이 필요한 팀에게 그 기록이 바로 사용 이유다. 더는 추측하지 않는다. 실패한 실행을 디버깅하는 일이 짐작이 아니게 된다.

CLI는 창이 없는 같은 엔진이다. 파이프라인에서, 예약으로, 구석진 장비에서 askui run을 돌리고 보고서를 빌드 산출물로 받는다. 디스플레이가 필요 없다. 실행마다 종료 코드와 보고서를 돌려주므로 다른 점검처럼 기존 CI에 끼워 넣을 수 있다.

모든 요금제에서 Anthropic, OpenAI 호환 엔드포인트, 자체 호스팅 모델을 사용할 수 있다. 추론은 AskUI의 인프라를 건드리지 않는다. 스크린샷에 민감한 데이터가 담길 때 이 점이 중요하다. Enterprise에서는 온프레미스나 망분리 구성으로 배포할 수 있고, 자체 모델을 쓰면 추론 비용까지 아낄 수 있다.

AskUI에 따르면 이 비전 에이전트는 OSWorld 벤치마크에서 66.2를 기록했고 AndroidWorld에서 94.8%의 작업 완료율에 도달해, 공개 시점에 두 공개 리더보드에 모두 올랐다. 벤치마크 수치는 당신의 특정 앱에서 어떻게 작동할지 알려주지 않는다. 그래도 컴퓨터 사용 에이전트를 비교할 때 유용한 신호이며, 묻히지 않고 공개돼 있다.