Computer-Use-Tool

Claude kann über das Computer-Use-Tool mit Computerumgebungen interagieren, das Screenshot-Funktionen und Maus-/Tastatursteuerung für autonome Desktop-Interaktion bietet.

​

Überblick

Computer Use ist eine Beta-Funktion, die es Claude ermöglicht, mit Desktop-Umgebungen zu interagieren. Dieses Tool bietet:

• Screenshot-Erfassung: Sehen, was aktuell auf dem Bildschirm angezeigt wird
• Maussteuerung: Klicken, Ziehen und Bewegen des Cursors
• Tastatureingabe: Text eingeben und Tastenkombinationen verwenden
• Desktop-Automatisierung: Mit jeder Anwendung oder Benutzeroberfläche interagieren

Während Computer Use mit anderen Tools wie bash und Texteditor für umfassendere Automatisierungs-Workflows erweitert werden kann, bezieht sich Computer Use speziell auf die Fähigkeit des Computer-Use-Tools, Desktop-Umgebungen zu sehen und zu steuern.

​

Modellkompatibilität

Computer Use ist für die folgenden Claude-Modelle verfügbar:

​

Sicherheitsüberlegungen

​

Schnellstart

So starten Sie mit Computer Use:

import anthropic

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-sonnet-4-20250514",  # oder ein anderes kompatibles Modell
    max_tokens=1024,
    tools=[
        {
          "type": "computer_20250124",
          "name": "computer",
          "display_width_px": 1024,
          "display_height_px": 768,
          "display_number": 1,
        },
        {
          "type": "text_editor_20250124",
          "name": "str_replace_editor"
        },
        {
          "type": "bash_20250124",
          "name": "bash"
        }
    ],
    messages=[{"role": "user", "content": "Speichere ein Bild einer Katze auf meinem Desktop."}],
    betas=["computer-use-2025-01-24"]
)
print(response)

​

Wie Computer Use funktioniert

Wir bezeichnen die Wiederholung der Schritte 3 und 4 ohne Benutzereingabe als “Agent-Schleife” - d.h. Claude antwortet mit einer Tool-Use-Anfrage und Ihre Anwendung antwortet Claude mit den Ergebnissen der Bewertung dieser Anfrage.

​

Die Computing-Umgebung

Computer Use erfordert eine sandboxed Computing-Umgebung, in der Claude sicher mit Anwendungen und dem Web interagieren kann. Diese Umgebung umfasst:

1. Virtuelles Display: Ein virtueller X11-Display-Server (mit Xvfb), der die Desktop-Oberfläche rendert, die Claude durch Screenshots sehen und mit Maus-/Tastaturaktionen steuern wird.

2. Desktop-Umgebung: Eine leichtgewichtige UI mit Window Manager (Mutter) und Panel (Tint2) unter Linux, die eine konsistente grafische Oberfläche für Claude zur Interaktion bietet.

3. Anwendungen: Vorinstallierte Linux-Anwendungen wie Firefox, LibreOffice, Texteditoren und Dateimanager, die Claude zur Erledigung von Aufgaben verwenden kann.

4. Tool-Implementierungen: Integrationscode, der Claudes abstrakte Tool-Anfragen (wie “Maus bewegen” oder “Screenshot machen”) in tatsächliche Operationen in der virtuellen Umgebung übersetzt.

5. Agent-Schleife: Ein Programm, das die Kommunikation zwischen Claude und der Umgebung handhabt, Claudes Aktionen an die Umgebung sendet und die Ergebnisse (Screenshots, Befehlsausgaben) zurück an Claude gibt.

Wenn Sie Computer Use verwenden, verbindet sich Claude nicht direkt mit dieser Umgebung. Stattdessen:

1. Erhält Ihre Anwendung Claudes Tool-Use-Anfragen
2. Übersetzt sie in Aktionen in Ihrer Computing-Umgebung
3. Erfasst die Ergebnisse (Screenshots, Befehlsausgaben, etc.)
4. Gibt diese Ergebnisse an Claude zurück

Für Sicherheit und Isolation läuft die Referenzimplementierung all dies in einem Docker-Container mit entsprechenden Port-Mappings für die Anzeige und Interaktion mit der Umgebung.

​

Wie man Computer Use implementiert

​

Beginnen Sie mit unserer Referenzimplementierung

Wir haben eine Referenzimplementierung erstellt, die alles enthält, was Sie benötigen, um schnell mit Computer Use zu beginnen:

• Eine containerisierte Umgebung, die für Computer Use mit Claude geeignet ist
• Implementierungen der Computer-Use-Tools
• Eine Agent-Schleife, die mit der Anthropic API interagiert und die Computer-Use-Tools ausführt
• Eine Web-Oberfläche zur Interaktion mit dem Container, der Agent-Schleife und den Tools.

​

Die Multi-Agent-Schleife verstehen

Das Herzstück von Computer Use ist die “Agent-Schleife” - ein Zyklus, in dem Claude Tool-Aktionen anfordert, Ihre Anwendung sie ausführt und Ergebnisse an Claude zurückgibt. Hier ist ein vereinfachtes Beispiel:

async def sampling_loop(
    *,
    model: str,
    messages: list[dict],
    api_key: str,
    max_tokens: int = 4096,
    tool_version: str,
    thinking_budget: int | None = None,
    max_iterations: int = 10,  # Iterationslimit hinzufügen, um Endlosschleifen zu verhindern
):
    """
    Eine einfache Agent-Schleife für Claude Computer-Use-Interaktionen.

    Diese Funktion handhabt das Hin und Her zwischen:
    1. Senden von Benutzernachrichten an Claude
    2. Claude fordert die Verwendung von Tools an
    3. Ihre App führt diese Tools aus
    4. Senden von Tool-Ergebnissen zurück an Claude
    """
    # Tools und API-Parameter einrichten
    client = Anthropic(api_key=api_key)
    beta_flag = "computer-use-2025-01-24" if "20250124" in tool_version else "computer-use-2024-10-22"

    # Tools konfigurieren - Sie sollten diese bereits anderswo initialisiert haben
    tools = [
        {"type": f"computer_{tool_version}", "name": "computer", "display_width_px": 1024, "display_height_px": 768},
        {"type": f"text_editor_{tool_version}", "name": "str_replace_editor"},
        {"type": f"bash_{tool_version}", "name": "bash"}
    ]

    # Haupt-Agent-Schleife (mit Iterationslimit zur Verhinderung von ausufernden API-Kosten)
    iterations = 0
    while True and iterations < max_iterations:
        iterations += 1
        # Optionalen Thinking-Parameter einrichten (für Claude Sonnet 3.7)
        thinking = None
        if thinking_budget:
            thinking = {"type": "enabled", "budget_tokens": thinking_budget}

        # Claude API aufrufen
        response = client.beta.messages.create(
            model=model,
            max_tokens=max_tokens,
            messages=messages,
            tools=tools,
            betas=[beta_flag],
            thinking=thinking
        )

        # Claudes Antwort zur Unterhaltungshistorie hinzufügen
        response_content = response.content
        messages.append({"role": "assistant", "content": response_content})

        # Prüfen, ob Claude Tools verwendet hat
        tool_results = []
        for block in response_content:
            if block.type == "tool_use":
                # In einer echten App würden Sie das Tool hier ausführen
                # Zum Beispiel: result = run_tool(block.name, block.input)
                result = {"result": "Tool erfolgreich ausgeführt"}

                # Ergebnis für Claude formatieren
                tool_results.append({
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": result
                })

        # Wenn keine Tools verwendet wurden, ist Claude fertig - finale Nachrichten zurückgeben
        if not tool_results:
            return messages

        # Tool-Ergebnisse zu Nachrichten für die nächste Iteration mit Claude hinzufügen
        messages.append({"role": "user", "content": tool_results})

Die Schleife läuft weiter, bis entweder Claude ohne Tool-Anfrage antwortet (Aufgabenabschluss) oder das maximale Iterationslimit erreicht wird. Diese Schutzmaßnahme verhindert potenzielle Endlosschleifen, die zu unerwarteten API-Kosten führen könnten.

Wir empfehlen, die Referenzimplementierung auszuprobieren, bevor Sie den Rest dieser Dokumentation lesen.

​

Modellleistung mit Prompting optimieren

Hier sind einige Tipps, wie Sie die besten Qualitätsausgaben erhalten:

1. Spezifizieren Sie einfache, gut definierte Aufgaben und geben Sie explizite Anweisungen für jeden Schritt.
2. Claude nimmt manchmal Ergebnisse seiner Aktionen an, ohne ihre Resultate explizit zu überprüfen. Um dies zu verhindern, können Sie Claude mit folgendem Prompt versehen: Nach jedem Schritt mache einen Screenshot und bewerte sorgfältig, ob du das richtige Ergebnis erreicht hast. Zeige explizit dein Denken: "Ich habe Schritt X bewertet..." Falls nicht korrekt, versuche es erneut. Nur wenn du bestätigst, dass ein Schritt korrekt ausgeführt wurde, solltest du zum nächsten übergehen.
3. Einige UI-Elemente (wie Dropdowns und Scrollbalken) könnten für Claude schwierig zu manipulieren sein mit Mausbewegungen. Wenn Sie dies erleben, versuchen Sie, das Modell zu veranlassen, Tastenkombinationen zu verwenden.
4. Für wiederholbare Aufgaben oder UI-Interaktionen fügen Sie Beispiel-Screenshots und Tool-Aufrufe erfolgreicher Ergebnisse in Ihren Prompt ein.
5. Wenn Sie möchten, dass sich das Modell anmeldet, geben Sie ihm den Benutzernamen und das Passwort in Ihrem Prompt in XML-Tags wie <robot_credentials>. Die Verwendung von Computer Use in Anwendungen, die eine Anmeldung erfordern, erhöht das Risiko schlechter Ergebnisse aufgrund von Prompt Injection. Bitte lesen Sie unseren Leitfaden zur Minderung von Prompt Injections, bevor Sie dem Modell Anm eldedaten zur Verfügung stellen.

​

System-Prompts

Wenn eines der von Anthropic definierten Tools über die Anthropic API angefordert wird, wird ein Computer-Use-spezifischer System-Prompt generiert. Er ist ähnlich dem Tool-Use-System-Prompt, beginnt aber mit:

Sie haben Zugang zu einer Reihe von Funktionen, die Sie verwenden können, um die Frage des Benutzers zu beantworten. Dies umfasst den Zugang zu einer sandboxed Computing-Umgebung. Sie haben derzeit NICHT die Fähigkeit, Dateien zu inspizieren oder mit externen Ressourcen zu interagieren, außer durch das Aufrufen der unten stehenden Funktionen.

Wie bei der regulären Tool-Verwendung wird das vom Benutzer bereitgestellte system_prompt-Feld weiterhin respektiert und bei der Konstruktion des kombinierten System-Prompts verwendet.

​

Verfügbare Aktionen

Das Computer-Use-Tool unterstützt diese Aktionen:

Grundaktionen (alle Versionen)

• screenshot - Das aktuelle Display erfassen
• left_click - An Koordinaten [x, y] klicken
• type - Textstring eingeben
• key - Taste oder Tastenkombination drücken (z.B. “ctrl+s”)
• mouse_move - Cursor zu Koordinaten bewegen

Erweiterte Aktionen (computer_20250124) Verfügbar in Claude 4 und Claude Sonnet 3.7:

• scroll - In jede Richtung mit Mengensteuerung scrollen
• left_click_drag - Klicken und zwischen Koordinaten ziehen
• right_click, middle_click - Zusätzliche Maustasten
• double_click, triple_click - Mehrfachklicks
• left_mouse_down, left_mouse_up - Feinkörnige Klicksteuerung
• hold_key - Eine Taste halten, während andere Aktionen ausgeführt werden
• wait - Zwischen Aktionen pausieren

​

Tool-Parameter

​

Thinking-Fähigkeit in Claude 4 und Claude Sonnet 3.7 aktivieren

Claude Sonnet 3.7 führte eine neue “Thinking”-Fähigkeit ein, die es Ihnen ermöglicht, den Denkprozess des Modells zu sehen, während es komplexe Aufgaben bearbeitet. Diese Funktion hilft Ihnen zu verstehen, wie Claude ein Problem angeht und kann besonders wertvoll für Debugging oder Bildungszwecke sein.

Um Thinking zu aktivieren, fügen Sie einen thinking-Parameter zu Ihrer API-Anfrage hinzu:

"thinking": {
  "type": "enabled",
  "budget_tokens": 1024
}

Der budget_tokens-Parameter spezifiziert, wie viele Tokens Claude für das Denken verwenden kann. Dies wird von Ihrem gesamten max_tokens-Budget abgezogen.

Wenn Thinking aktiviert ist, gibt Claude seinen Denkprozess als Teil der Antwort zurück, was Ihnen helfen kann:

1. Den Entscheidungsprozess des Modells zu verstehen
2. Potenzielle Probleme oder Missverständnisse zu identifizieren
3. Von Claudes Problemlösungsansatz zu lernen
4. Mehr Einblick in komplexe mehrstufige Operationen zu erhalten

Hier ist ein Beispiel, wie Thinking-Output aussehen könnte:

[Thinking]
Ich muss ein Bild einer Katze auf dem Desktop speichern. Lassen Sie mich das in Schritte aufteilen:

1. Zuerst mache ich einen Screenshot, um zu sehen, was auf dem Desktop ist
2. Dann suche ich nach einem Webbrowser, um nach Katzenbildern zu suchen
3. Nachdem ich ein geeignetes Bild gefunden habe, muss ich es auf dem Desktop speichern

Lassen Sie mich mit einem Screenshot beginnen, um zu sehen, was verfügbar ist...

​

Computer Use mit anderen Tools erweitern

Das Computer-Use-Tool kann mit anderen Tools kombiniert werden, um leistungsfähigere Automatisierungs-Workflows zu erstellen. Dies ist besonders nützlich, wenn Sie:

• Systembefehle ausführen müssen (Bash-Tool)
• Konfigurationsdateien oder Skripte bearbeiten müssen (Texteditor-Tool)
• Mit benutzerdefinierten APIs oder Services integrieren müssen (benutzerdefinierte Tools)

curl https://api.anthropic.com/v1/messages \
  -H "content-type: application/json" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: computer-use-2025-01-24" \
  -d '{
    "model": "claude-opus-4-20250514",
    "max_tokens": 2000,
    "tools": [
      {
        "type": "computer_20250124",
        "name": "computer",
        "display_width_px": 1024,
        "display_height_px": 768,
        "display_number": 1
      },
      {
        "type": "text_editor_20250124",
        "name": "str_replace_editor"
      },
      {
        "type": "bash_20250124",
        "name": "bash"
      },
      {
        "name": "get_weather",
        "description": "Das aktuelle Wetter an einem bestimmten Ort abrufen",
        "input_schema": {
          "type": "object",
          "properties": {
            "location": {
              "type": "string",
              "description": "Die Stadt und der Staat, z.B. San Francisco, CA"
            },
            "unit": {
              "type": "string",
              "enum": ["celsius", "fahrenheit"],
              "description": "Die Temperatureinheit, entweder 'celsius' oder 'fahrenheit'"
            }
          },
          "required": ["location"]
        }
      }
    ],
    "messages": [
      {
        "role": "user",
        "content": "Finde Flüge von San Francisco zu einem Ort mit wärmerem Wetter."
      }
    ],
    "thinking": {
      "type": "enabled",
      "budget_tokens": 1024
    }
  }'

​

Eine benutzerdefinierte Computer-Use-Umgebung erstellen

Die Referenzimplementierung soll Ihnen helfen, mit Computer Use zu beginnen. Sie enthält alle Komponenten, die benötigt werden, damit Claude einen Computer verwenden kann. Sie können jedoch Ihre eigene Umgebung für Computer Use erstellen, um Ihren Bedürfnissen zu entsprechen. Sie benötigen:

• Eine virtualisierte oder containerisierte Umgebung, die für Computer Use mit Claude geeignet ist
• Eine Implementierung von mindestens einem der von Anthropic definierten Computer-Use-Tools
• Eine Agent-Schleife, die mit der Anthropic API interagiert und die tool_use-Ergebnisse mit Ihren Tool-Implementierungen ausführt
• Eine API oder UI, die Benutzereingaben ermöglicht, um die Agent-Schleife zu starten

​

Das Computer-Use-Tool implementieren

Das Computer-Use-Tool wird als schema-loses Tool implementiert. Bei der Verwendung dieses Tools müssen Sie kein Input-Schema bereitstellen wie bei anderen Tools; das Schema ist in Claudes Modell eingebaut und kann nicht modifiziert werden.

def handle_computer_action(action_type, params):
    if action_type == "screenshot":
        return capture_screenshot()
    elif action_type == "left_click":
        x, y = params["coordinate"]
        return click_at(x, y)
    elif action_type == "type":
        return type_text(params["text"])
    # ... andere Aktionen behandeln

for content in response.content:
    if content.type == "tool_use":
        action = content.input["action"]
        result = handle_computer_action(action, content.input)
        
        # Ergebnis an Claude zurückgeben
        tool_result = {
            "type": "tool_result",
            "tool_use_id": content.id,
            "content": result
        }

while True:
    response = client.beta.messages.create(...)
    
    # Prüfen, ob Claude Tools verwendet hat
    tool_results = process_tool_calls(response)
    
    if not tool_results:
        # Keine weitere Tool-Verwendung, Aufgabe abgeschlossen
        break
        
    # Unterhaltung mit Tool-Ergebnissen fortsetzen
    messages.append({"role": "user", "content": tool_results})

​

Fehler behandeln

Bei der Implementierung des Computer-Use-Tools können verschiedene Fehler auftreten. So behandeln Sie sie:

​

Implementierungs-Best-Practices befolgen

​

Computer-Use-Einschränkungen verstehen

Die Computer-Use-Funktionalität befindet sich in der Beta-Phase. Während Claudes Fähigkeiten hochmodern sind, sollten Entwickler sich ihrer Einschränkungen bewusst sein:

1. Latenz: Die aktuelle Computer-Use-Latenz für Mensch-KI-Interaktionen könnte im Vergleich zu regulären menschlich gesteuerten Computeraktionen zu langsam sein. Wir empfehlen, sich auf Anwendungsfälle zu konzentrieren, bei denen Geschwindigkeit nicht kritisch ist (z.B. Hintergrundinformationssammlung, automatisierte Softwaretests) in vertrauenswürdigen Umgebungen.
2. Computer-Vision-Genauigkeit und -Zuverlässigkeit: Claude kann Fehler machen oder halluzinieren, wenn es spezifische Koordinaten ausgibt, während es Aktionen generiert. Claude Sonnet 3.7 führt die Thinking-Fähigkeit ein, die Ihnen helfen kann, das Denken des Modells zu verstehen und potenzielle Probleme zu identifizieren.
3. Tool-Auswahl-Genauigkeit und -Zuverlässigkeit: Claude kann Fehler machen oder halluzinieren, wenn es Tools auswählt, während es Aktionen generiert, oder unerwartete Aktionen zur Problemlösung ergreifen. Zusätzlich kann die Zuverlässigkeit niedriger sein, wenn es mit Nischen-Anwendungen oder mehreren Anwendungen gleichzeitig interagiert. Wir empfehlen, dass Benutzer das Modell sorgfältig prompten, wenn sie komplexe Aufgaben anfordern.
4. Scroll-Zuverlässigkeit: Während Claude Sonnet 3.5 (neu) Einschränkungen beim Scrollen hatte, führt Claude Sonnet 3.7 dedizierte Scroll-Aktionen mit Richtungssteuerung ein, die die Zuverlässigkeit verbessern. Das Modell kann jetzt explizit in jede Richtung (oben/unten/links/rechts) um einen bestimmten Betrag scrollen.
5. Tabellenkalkulations-Interaktion: Mausklicks für Tabellenkalkulations-Interaktion haben sich in Claude Sonnet 3.7 mit der Hinzufügung präziserer Maussteuerungsaktionen wie left_mouse_down, left_mouse_up und neuer Modifier-Tasten-Unterstützung verbessert. Zellenauswahl kann zuverlässiger sein, indem diese feinkörnigen Steuerungen verwendet und Modifier-Tasten mit Klicks kombiniert werden.
6. Kontoerstellung und Inhaltsgenerierung auf sozialen und Kommunikationsplattformen: Während Claude Websites besucht, beschränken wir seine Fähigkeit, Konten zu erstellen oder Inhalte zu generieren und zu teilen oder anderweitig menschliche Nachahmung auf Social-Media-Websites und -Plattformen zu betreiben. Wir können diese Fähigkeit in Zukunft aktualisieren.
7. Schwachstellen: Schwachstellen wie Jailbreaking oder Prompt Injection können bei Frontier-KI-Systemen bestehen bleiben, einschließlich der Beta-Computer-Use-API. Unter bestimmten Umständen wird Claude Befehle befolgen, die in Inhalten gefunden werden, manchmal sogar im Konflikt mit den Anweisungen des Benutzers. Zum Beispiel können Claude-Anweisungen auf Webseiten oder in Bildern Anweisungen überschreiben oder Claude zu Fehlern veranlassen. Wir empfehlen: a. Computer Use auf vertrauenswürdige Umgebungen wie virtuelle Maschinen oder Container mit minimalen Berechtigungen zu beschränken b. Computer Use keinen Zugang zu sensiblen Konten oder Daten ohne strenge Aufsicht zu geben c. Endbenutzer über relevante Risiken zu informieren und deren Zustimmung einzuholen, bevor Computer-Use-Funktionen in Ihren Anwendungen aktiviert oder Berechtigungen angefordert werden, die für Computer-Use-Funktionen erforderlich sind
8. Unangemessene oder illegale Aktionen: Gemäß Anthropics Nutzungsbedingungen dürfen Sie Computer Use nicht verwenden, um Gesetze oder unsere Acceptable Use Policy zu verletzen.

Überprüfen und verifizieren Sie immer sorgfältig Claudes Computer-Use-Aktionen und -Protokolle. Verwenden Sie Claude nicht für Aufgaben, die perfekte Präzision oder sensible Benutzerinformationen ohne menschliche Aufsicht erfordern.

​

Preise

Computer use follows the standard tool use pricing. When using the computer use tool:

System prompt overhead: The computer use beta adds 466-499 tokens to the system prompt

Computer use tool token usage:

Additional token consumption:

• Screenshot images (see Vision pricing)
• Tool execution results returned to Claude

​

Nächste Schritte