与 computer use 的区别

computer use 让模型看屏幕猜坐标去点按，本桥让调用方按名字调工具、由宿主代跑。两者操作的不是一个东西：computer use 落在像素上，本桥落在宿主会话里已经注册好的工具上。

机制差别

	computer use	本桥（MCP tools/call）
模型发出的东西	坐标与按键（click(640,412)）	工具名 + 结构化参数（{"name":"read","arguments":{...}}）
谁来执行	注入的输入事件，落到目标应用	宿主 Main 会话的 getToolByName(name).execute()
模型看到的结果	截图，像素	工具的真实返回值（文本 / 图片）
目标从哪来	屏幕上有什么就点什么	tools/list 的目录（宿主注册表，原样透传）
参数怎么定	靠视觉估计	JSON Schema 2020-12，由宿主 typebox schema 导出
被操作的一方是否推理	要，模型得先看懂屏幕	桥自己不请求模型（收请求 → 跑工具 → 回结果）

实际差别落在两处：

执行的是真工具，不是模拟操作。 {"name":"read","arguments":{"path":...}} 走的是宿主原生 read 的实现，执行落在宿主真实的文件与 shell 上。它不需要先有个窗口摆在那里，也不需要那个程序支持无头运行。

目录是显式的，不是猜的。 tools/list 返回 name / description / inputSchema，调用方给的是名字和参数；坐标点击则要求模型先看出屏幕上有什么、算出像素位置。名字不在注册表里会得到 not exposed——未注册与不存在共用同一文案，不泄露这个名字是否本该存在；坐标点错就是点到了别的东西。

代价

	computer use	本桥
上下文开销	每次交互都要带一张截图	只有工具返回值
宿主 token	消耗	请求路径上不花；会话级副作用唤醒宿主时，花不花取决于接管有没有在位（见下节）
稳定性	受布局、缩放、主题、焦点影响	受工具与参数校验影响
前提	目标应用有可见界面	工具在宿主注册表里

工具返回值仍然会进调用方的上下文——read 一个大文件或 bash 跑一次 cat，字节都在结果里，大件走 SSH/scp。本桥省的是宿主为「决定怎么执行」付出的那部分推理，不是调用方的上下文。

一处容易误解的地方

「不经过模型」说的是桥自己的请求路径：桥只做「收请求 → 跑工具 → 回结果」，一次模型请求都不发。调用方那侧的模型照旧要推理，它只是把推理用来决定「调哪个工具、传什么参数」，而不是用来「看屏幕、算坐标」。

宿主的账不能按零记，执行落在宿主的真实会话里，会话级副作用会把宿主自己的 agent 叫醒：一条远程命令超过宿主的 300 秒超时，宿主把它转成后台任务；任务完成时 omp 往会话里注入一条通知（"Background job bg_1 has completed. Resume your work using the result below."），宿主会话就沿着自己的上下文开始推理。Windows 宿主上实测的链条：超时转后台在 04:35:23，完成通知进会话在 04:36:27，宿主第一批带 usage 的消息在 04:36:31（模型 stack/medium，单轮输入从 8,309 token 起），此后几十轮。那段推理花的是宿主的 token，跑的也是宿主自己的工具。所以两边的账要分开算：桥不为调用请求模型，宿主会不会推理归宿主的会话决定。而归宿主会话决定的那一半，可以从远程关掉：接管在位时（host_llm: "deny" 或 POST /host-llm），被唤醒的会话发不出任何模型请求——注册表里的 provider 全被影子化，宿主的 fetch 上还有按目的地的绊线，一次被拒的尝试只发起一次就终止。两层的边界与残差见 README「宿主推理接管」与协议参考的「宿主推理切换」。

同理，tools/call 在宿主侧可能停在审批弹窗上——宿主无交互 UI 且该工具审批为 prompt 档时，请求会一直挂起（实测 ≥90s），调用方必须自设超时。此时审计日志里该调用只有 start 没有 done，见 README「审批」。

两者不冲突

它们解决的是不同问题，可以叠加：

• 目标只有 GUI、没有可调用的接口 → computer use 是唯一选择
• 目标是宿主那侧的文件、shell、已注册的工具 → 本桥直接暴露，不必截屏
• 调用方既要调工具、又要点某个界面 → 先经 MCP 拿工具，再用 computer use 操作剩下的界面

判据很简单：能落到工具上的就别截屏。 工具调用是确定性的、可审计的、请求路径上不占宿主的 token；截屏是这三样都不是。

边界

本桥只暴露 tools/list + tools/call，没有 resources、没有 prompts、不做键鼠注入——它不实现 computer use 的那一半，也不打算实现。固定路由到宿主 Main 会话。完整 wire 契约见 协议参考，暴露面与威胁模型见 使用指南。