MAI-UI的GUI Grounding界面元素定位详解

MAI-UI 开源解读：通用 GUI 智能体基座如何实现“可交互 + 可调用工具 + 端云协同”

一、摘要 MAI-UI 是 Tongyi-MAI（通义实验室）开源的通用 GUI 智能体基座与配套代码，面向“看屏幕—理解指令—操作界面”的自动化任务。项目强调真实部署所需的三类能力：与用户的主动澄清交互（ask_user）、通过 MCP 调用外部工具（mcp_call）、以及端云协同的执行架构（在...