桌面操作 computer_use

computer_use 是模型调用的内置桌面工具，可以移动鼠标、点击、输入文字、按键、滚动、等待和截图。它操作当前桌面与焦点窗口；下面的 JSON 是工具调用参数，不是终端命令。

支持的操作

每次调用执行一个动作，action_type 必填，名称区分大小写。

action_type	功能	参数与默认值
MouseMove	移动鼠标	coordinate: {"x": 100, "y": 200}，屏幕像素坐标
MouseClick	单击	可选 coordinate：先移动再点击；省略则点击当前位置。button 默认 Left
MouseDown	按住鼠标按钮	button 默认 Left，作用于当前位置；先用 MouseMove 定位
MouseUp	松开鼠标按钮	button 默认 Left
MouseScroll	滚动	scroll_y 正数向下、负数向上；scroll_x 正数向右、负数向左。单位由系统输入后端解释，不是截图像素
KeyPress	按下并释放一个键	key，例如 Enter、Tab、Escape、a、F1
KeyDown	按住一个键	key，例如 Control、Shift
KeyUp	松开一个键	key
TypeText	输入文字	text；输入到当前获得焦点的控件
Screenshot	截取屏幕并保存文件	无额外参数，返回本地绝对路径
Wait	等待	duration_ms，毫秒；默认 1000

鼠标按钮名称为 Left、Right、Middle、Back、Forward，实际支持情况取决于平台后端。键名支持常用方向键、编辑键、F1–F12、修饰键等；未知键名不应当作有效按键使用。

Ctrl+C 这样的组合字符串不是单键名。组合键需要分别按下修饰键、按目标键、松开修饰键。工具每次调用都会创建本地操作管理器，跨调用保持按键或鼠标按下状态的组合操作尚未做完整验收，不应依赖它完成复杂拖拽或快捷键。

调用示例

截图：

{"action_type":"Screenshot"}

点击目标后输入文字，再按回车（依次调用）：

{"action_type":"MouseClick","coordinate":{"x":400,"y":300},"button":"Left"}

{"action_type":"TypeText","text":"你好，DeepSeek Code"}

{"action_type":"KeyPress","key":"Enter"}

等待界面更新：

{"action_type":"Wait","duration_ms":500}

截图保存位置与返回值

新版工具将截图保存到数据目录的 screenshots 子目录，默认是 ~/.deepseek-code/screenshots/。指定 DEEPSEEK_CODE_DATA_DIR 或通过 CLI --data-dir 使用其他数据目录时，截图随数据目录保存。每张图片使用唯一文件名，不覆盖旧截图。

Windows 本地截图为主显示器的 JPEG。返回示例：

{
  "action":"Screenshot",
  "success":true,
  "screenshot_path":"C:/Users/Alice/.deepseek-code/screenshots/screenshot-<uuid>.jpg",
  "mime_type":"image/jpeg",
  "error":null,
  "duration_ms":0
}

• screenshot_path 是已保存文件的绝对路径；没有截图时为 null。
• mime_type 表示图片格式；没有截图时为 null。
• 工具结果不再包含旧版 screenshot Base64 字段。已有脚本应改为读取 screenshot_path。
• Windows 当前实现会在成功动作后附带截图，因此点击、输入或等待的结果也可能返回截图路径。
• duration_ms 是动作执行计时，不包含后续截图与文件保存耗时，截图动作可能显示为 0。
• 截图为空、解码失败或无法写入文件时，工具返回错误，不会给出虚假的成功路径。

可直接用图片查看器打开文件。让模型看图，需要通过 Read 等图片读取工具将文件作为图片交给支持视觉的模型，并满足文件访问权限。仅返回路径不会让纯文本模型获得视觉能力；纯文本模型可借助另行提供的 OCR 工具读取文字。

截图会保留在磁盘中，目前没有自动清理策略，可按需手动删除。

当前限制

• 这个内置工具使用本机桌面后端，没有用于选择远程桌面、Sidecar 或浏览器后端的参数。
• Windows 本地截图依赖 PowerShell 和可访问的交互桌面，当前只截取主显示器；不支持指定窗口、裁剪区域或选择显示器。
• 非 Windows 平台的本地截图尚不支持。鼠标和键盘能力也受桌面环境与系统权限影响，不能据此认为所有平台均已验收。
• 没有内置 OCR、控件树、窗口查找、网页 DOM 查询或浏览器标签页管理接口，也没有独立的双击、拖拽动作。
• Windows 部分输入操作失败时，现有实现只记录警告并继续，因此 success: true 不能单独证明目标控件已收到输入。应结合截图或目标应用状态验证。

工具审批规则见权限模式与工具审批，其他工具见内置工具。