对话式LLM的能力边界很清晰——输入文本、输出文本。它给不了你文件系统的读写权限，也驱动不了本地软件。所谓桌面Agent，工程上要解决的是把模型从"生成内容"接到"执行动作"这最后一段：让LLM能感知本地环境、规划步骤、调用工具、观察结果并修正。

这篇不做产品导购，只从开发者关心的几个技术维度——架构分层、执行路线、模型接入、部署形态、开源协议——把当前主流的20款桌面Agent拆开对比，帮你按自己的约束条件对号入座。

不管产品怎么包装，一个能操作桌面的Agent，技术栈基本都能拆成三层：

：一个或多个LLM，负责意图理解、任务拆解（task planning）、决定下一步调用哪个工具。这一层决定了Agent"聪明不聪明"。

：真正操作电脑的能力，是Agent区别于Chatbot的核心。主流两条技术路线：

：本地文件系统、浏览器、终端、第三方应用，以及跨应用协作依赖的协议层（MCP、各类API）。

一个工程上的观察：纯视觉路线通用但脆，纯接口路线稳但挑软件，所以2026年产品普遍在往"视觉+接口混合"走——能走接口的走接口，走不了的兜底用视觉。

 —— 视觉驱动 / 接口驱动 / RPA融合（屏幕语义识别，典型如实在Agent的ISSUT，靠识别界面语义而非固定坐标操作老旧无接口系统）。

OpenAI兼容协议现在几乎是事实标准。一个典型的BYOK配置就是三个字段：

base_url:  https://api.deepseek.com/v1     # 或本地 http://localhost:11434/v1

model:     deepseek-chat                    # 或 qwen2.5、glm-4 等

接本地Ollama也是同一套，只是把 base_url 指向本机端点、api_key 随便填，模型名换成 ollama pull 下来的模型即可。这也是判断一个Agent"模型自由度"的技术抓手——看它设置里有没有 OpenAI-Compatible 这一项。

 —— 纯本地客户端 / 云端SaaS（如JVS Claw的CloudSpace实例）/ 开源可私有化。

 二次开发；也有直接开源的（LobsterAI 用 MIT，CoPaw 用 Apache 2.0）。开源意味着可审计、可二次开发、可私有化，对有合规要求的团队是硬指标。

 — 操作系统级桌面Agent，基于OpenClaw深度优化。执行层分三种模式：快速回答（纯对话）、任务执行（自主拆解多步、类Operator）、StepClaw（多智能体跑跨软件长流程）。执行内核是自研的 Step 3.7 Flash，一个面向工具调用/多步规划优化的模型，模型与产品同源，工具调用链的稳定性相对更可控。协议层通过 MCP 对接 Excel、飞书、钉钉等16+工具；技能体系兼容 Claude Skill 格式，自动读取本机 ~/.claude/skills；"全局记忆"在本地维护桌面状态、数据不出机。模型接入以内置 Step 为主；部署为本地客户端（Win/Mac）。

 — 本地知识工作Agent，与网页版是两条线。执行层：挂载本地文件夹读写 + 配套 WebBridge 浏览器插件做多标签页自动化；内置 Cron 定时引擎；"目标模式"支持最长24h的规划-执行-检查长循环，复杂任务拆子Agent并行。模型：Kimi 自有为主。部署：本地客户端。

 — 一键安装的本地版 OpenClaw 客户端，省去 Node.js/Python 环境配置。内置面向Agent优化的 Pony-Alpha-2 与 AutoGLM 浏览器自动化，预置50+技能，飞书IM入口下发。模型：支持自定义切换（DeepSeek/Kimi/MiniMax/GLM）。部署：本地客户端。

：简单任务本地沙箱执行、复杂推理走云端。高危操作三级授权（拒绝/本次允许/本轮允许）。通过信通院Claw功能4+级认证。模型：文心为主。部署：本地客户端+移动端远程。

：任务在云端虚拟机跑，关页面继续。架构为 Planner+Executor+Verifier 多智能体闭环，"Wide Research"并行调上百子Agent。提供开发者API。模型：云端托管免配置。

 — 基于自研 AstronClaw（OpenClaw体系）。安全上主打

（只访问授权文件夹、越界二次确认），本地运行；SkillHub 兼容 OpenClaw 技能、支持 MCP。模型：多模型可切（星火/豆包Seed/DeepSeek/MiniMax/通义）。部署：本地客户端（含绿色版）。

（低代码开发工具），不是操控本地桌面的Agent。2025年开源、Apache 2.0。可视化编排工作流（条件/循环/定时节点）、知识库&RAG、200+插件、自然语言生成小程序/网页。模型：内置豆包全系，付费可接 GPT/Claude/Gemini。部署：云平台，支持私有化。

 — TRAE 团队的AI原生工作台，由 TRAE SOLO 升级（区别于面向程序员的 TRAE IDE）。Work/Code/Design 三模式；跨设备任务流转；支持接技能市场、配 MCP Server、接自定义模型。部署：Web/桌面/移动三端。

 — 拟人化桌面Agent（词元跳动供算力），走Agent集群作业。技术上

本身不含内置模型，必须自配 API Key

（DeepSeek/Claude/GPT）。本地轻量运行

：微信/QQ扫码绑定后手机发指令、电脑执行、结果回传，任务全程本地跑。"龙虾管家"沙箱拦截危险操作。模型：内置国产模型（如 Kimi-2.5），支持切自定义模型、接 Ollama 本地模型。部署：本地客户端。

 — 由 MiniMax Agent 更名。核心是 

：用确定性代码逻辑（而非纯 prompt 编排）驱动 Leader/Worker/Verifier 三角色分工，做并发调度和对抗式质检（Verifier 独立验收、不合格打回）。这套设计对长链路任务的稳定性和上下文隔离有实际帮助。模型：自研。部署：桌面为主+API/CLI。

12. LobsterAI 有道龙虾（网易有道）

（GitHub: netease-youdao/lobsterai）。数据本地化：聊天与文件操作全走本地 SQLite；任务先在隔离的 Alpine Linux 沙箱试跑，跑不通再切本地环境；支持 skill-creator 自建技能、企业私有化。模型：支持自定义（DeepSeek/通义/GLM/Kimi/MiniMax）+ Ollama 本地。部署：本地客户端（Win/macOS Intel+M/Linux）+ 自部署。

 — 阿里云无影团队基于 OpenClaw 的

方案。订阅即得一个运行 Clawbot 的云端实例（CloudSpace），执行实时投屏、可接管，任务在 CloudSpace 沙箱与本地物理隔离；云端+本地双模式。模型：内置千问系列，支持自定义模型（且不消耗积分）。部署：云端SaaS+本地客户端。

14. CoPaw / QwenPaw（阿里通义 AgentScope）

（2026年7月起官方文档更名 QwenPaw，仓库仍为 CoPaw）。设计上"身体与大脑分离"：软件开源、模型自接；长期记忆用向量+BM25混合检索；安全上有 Tool Guard 和中文 prompt injection 检测；资源占用低（启动内存约45MB）。模型：完全自由（百炼/通义/OpenAI/DeepSeek/智谱/MiniMax/Kimi + 本地 Ollama/llama.cpp/MLX），可离线。部署：六种安装方式（脚本/pip/Docker/桌面版/魔搭创空间/阿里云计算巢），默认监听 8088 端口。

 — 本地优先架构（3人小团队），主打完全离线、数据不外流。全格式本地文件解析（含音视频）搭私有知识库；任务编排支持定时+事件触发+飞书/企微 Webhook 推送；工作区按项目隔离。模型：高度自由（主流云端API + OpenRouter + Ollama/LM Studio 本地）。部署：Win/macOS(仅Apple Silicon)/Linux。

 — Anthropic 把 Claude Code 的智能体架构带进桌面端，海外 Computer Use 路线标杆。直接读写授权文件夹；代码和 shell 命令在

 执行、但对文件做真实改动；复杂任务拆子任务并行；关键操作执行前展示计划等人工批准。连接器支持 Slack/Gmail/Notion 等，企业可通过远程 MCP 接入自有工具。官方明示：Cowork 活动尚未进入审计日志和合规API，勿用于受监管工作负载。模型：Claude 系，需订阅。部署：桌面客户端。

而非成品应用，面向开发者。⚠️ 已进入

（只修 bug、不加新功能），微软建议新项目改用后续的 Microsoft Agent Framework。分层架构（Core 事件驱动运行时 + AgentChat + Extensions），支持双人/群聊/层级/FSM 等协作拓扑，代码在本地或 Docker 沙箱执行、可自我修复，Human-in-the-loop 审批，配套 AutoGen Studio。MIT 开源，模型无关。

pip install -U "autogen-agentchat" "autogen-ext[openai]"   # 需 Python 3.10+

 — 定位偏"嵌入生态的AI副驾"（问答/写作/Office辅助），非自主操控本地电脑的桌面Agent；Agent 能力主要在企业版的 Researcher、Analyst 上。企业版走"工作模式（基于 Microsoft Graph 工作数据）/ Web 模式（必应索引）"双数据源；Copilot+ AI PC 可调本机 NPU 部分离线。模型：微软托管。

 — AI原生一体化协同工作空间，偏"搭应用+协作平台"。底层 TSK-1 做模型路由（按任务难度在15+模型间自动选）；Genesis 用自然语言生成带数据库后端的全栈应用；智能体内置34种工具、支持多智能体协作；工作流连100+集成。数据不用于训练。模型：平台路由（OpenAI/Anthropic/Google），可按 Agent 指定档位。

，核心是自研 TARS 大模型 + 屏幕语义理解 ISSUT。

，靠屏幕语义识别直接操作按钮/输入框，对无接口的老旧 ERP/MES/SCADA 友好；融合 RPA/代码/API/数据库/Agent间调用五种执行方式；全栈信创适配（龙芯/飞腾/鲲鹏、麒麟/统信/鸿蒙、达梦/金仓）；支持公有云/私有化/混合云/一体机。模型：自研 TARS + 可接 DeepSeek/千问/智谱/豆包。

四、按技术特征归类，方便对号入座

MCP 正在成为跨应用工具调用的事实标准。

 它把"Agent 怎么调用外部工具"标准化成一套协议，产品接了 MCP，扩展性和互操作性明显更强。配置形态上，主流客户端普遍采用类似下面的声明式写法（以本地 stdio 方式挂一个文件系统 server 为例）：

      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/workdir"]

执行路线从纯视觉往"视觉+接口混合"收敛。

 纯 Computer Use 通用但慢且脆，能走 MCP/API 的场景优先走接口、兜底用视觉，是当前工程上的主流折中。

多智能体 + 确定性编排在解决长链路"跑偏"问题。

 MiniMax 的 Team Engine、Manus 的 Planner/Executor/Verifier 都是同一思路——用代码逻辑而非纯 prompt 去编排多角色分工，配 Verifier 做对抗式质检，缓解单 Agent 长任务上下文丢失、越跑越偏的老毛病。

别先看功能多少，先明确自己的三个约束：

对号入座之后再在对应类目里比细节，比无脑看功能清单靠谱得多。另外，无论选哪款，优先挑带"执行前展示计划、可随时接管/暂停"设计的产品——这类 Human-in-the-loop 机制对实际可用性的影响，往往比功能数量更大。

桌面Agent技术选型指南：三层架构、执行路线与模型接入方式

人工智能

开发工具

架构设计

本文深入解析20款主流桌面Agent的技术架构，从执行路线、模型接入、部署形态到开源协议等维度进行横向对比。重点分析视觉驱动与接口驱动的混合趋势，以及MCP协议在工具调用标准化中的作用。针对开发者关心的数据隐私、模型自由度和二次开发需求，提供本地化、云端SaaS及开源框架等不同场景的选型建议，帮助开发者根据自身约束条件选择最适合的桌面Agent解决方案。

低代码开发

智能体开发

文件系统

混合云

云计算

公有云

虚拟机

数据库

DeepSeek

路由

Python

GitHub

SQLite

Linux

Agent

BYOK

SaaS

2026上云采购 | AI焕新·智启新局

weda

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

本文深入解析20款主流桌面Agent的技术架构，从执行路线、模型接入、部署形态到开源协议等维度进行横向对比。重点分析视觉驱动与接口驱动的混合趋势，以及MCP协议在工具调用标准化中的作用。针对开发者关心的数据隐私、模型自由度和二次开发需求，提供本地化、云端SaaS及开源框架等不同场景的选型建议，帮助开发者根据自身约束条件...

桌面Agent技术选型指南：三层架构、执行路线与模型接入方式

桌面Agent技术选型指南：三层架构、执行路线与模型接入方式

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐