컴퓨터 사용 도구

Claude는 컴퓨터 사용 도구를 통해 컴퓨터 환경과 상호작용할 수 있으며, 이는 스크린샷 기능과 마우스/키보드 제어를 제공하여 자율적인 데스크톱 상호작용을 가능하게 합니다.

​

개요

컴퓨터 사용은 Claude가 데스크톱 환경과 상호작용할 수 있게 하는 베타 기능입니다. 이 도구는 다음을 제공합니다:

• 스크린샷 캡처: 현재 화면에 표시된 내용 보기
• 마우스 제어: 클릭, 드래그, 커서 이동
• 키보드 입력: 텍스트 입력 및 키보드 단축키 사용
• 데스크톱 자동화: 모든 애플리케이션 또는 인터페이스와 상호작용

컴퓨터 사용은 더 포괄적인 자동화 워크플로우를 위해 bash 및 텍스트 편집기와 같은 다른 도구로 보강될 수 있지만, 컴퓨터 사용은 특히 컴퓨터 사용 도구의 데스크톱 환경을 보고 제어하는 기능을 의미합니다.

​

모델 호환성

컴퓨터 사용은 다음 Claude 모델에서 사용할 수 있습니다:

​

보안 고려사항

​

빠른 시작

컴퓨터 사용을 시작하는 방법은 다음과 같습니다:

import anthropic

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-sonnet-4-20250514",  # or another compatible model
    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": "Save a picture of a cat to my desktop."}],
    betas=["computer-use-2025-01-24"]
)
print(response)

​

컴퓨터 사용 작동 방식

우리는 사용자 입력 없이 3단계와 4단계의 반복을 “에이전트 루프”라고 부릅니다. 즉, Claude가 도구 사용 요청으로 응답하고 애플리케이션이 해당 요청을 평가한 결과로 Claude에게 응답하는 것입니다.

​

컴퓨팅 환경

컴퓨터 사용에는 Claude가 애플리케이션과 웹과 안전하게 상호작용할 수 있는 샌드박스 컴퓨팅 환경이 필요합니다. 이 환경에는 다음이 포함됩니다:

1. 가상 디스플레이: Claude가 스크린샷을 통해 보고 마우스/키보드 작업으로 제어할 데스크톱 인터페이스를 렌더링하는 가상 X11 디스플레이 서버(Xvfb 사용).

2. 데스크톱 환경: Claude가 상호작용할 일관된 그래픽 인터페이스를 제공하는 Linux에서 실행되는 창 관리자(Mutter)와 패널(Tint2)이 있는 경량 UI.

3. 애플리케이션: Claude가 작업을 완료하는 데 사용할 수 있는 Firefox, LibreOffice, 텍스트 편집기, 파일 관리자와 같은 사전 설치된 Linux 애플리케이션.

4. 도구 구현: Claude의 추상적인 도구 요청(“마우스 이동” 또는 “스크린샷 찍기”와 같은)을 가상 환경에서의 실제 작업으로 변환하는 통합 코드.

5. 에이전트 루프: Claude와 환경 간의 통신을 처리하여 Claude의 작업을 환경에 보내고 결과(스크린샷, 명령 출력)를 Claude에게 다시 반환하는 프로그램.

컴퓨터 사용을 사용할 때 Claude는 이 환경에 직접 연결하지 않습니다. 대신 애플리케이션이:

1. Claude의 도구 사용 요청을 받습니다
2. 이를 컴퓨팅 환경에서의 작업으로 변환합니다
3. 결과(스크린샷, 명령 출력 등)를 캡처합니다
4. 이러한 결과를 Claude에게 반환합니다

보안과 격리를 위해 참조 구현은 환경을 보고 상호작용하기 위한 적절한 포트 매핑과 함께 Docker 컨테이너 내에서 이 모든 것을 실행합니다.

​

컴퓨터 사용 구현 방법

​

참조 구현으로 시작

컴퓨터 사용을 빠르게 시작하는 데 필요한 모든 것을 포함하는 참조 구현을 구축했습니다:

• Claude와 함께 컴퓨터 사용에 적합한 컨테이너화된 환경
• 컴퓨터 사용 도구의 구현
• Anthropic API와 상호작용하고 컴퓨터 사용 도구를 실행하는 에이전트 루프
• 컨테이너, 에이전트 루프 및 도구와 상호작용하는 웹 인터페이스.

​

다중 에이전트 루프 이해

컴퓨터 사용의 핵심은 “에이전트 루프”입니다. Claude가 도구 작업을 요청하고, 애플리케이션이 이를 실행하고, 결과를 Claude에게 반환하는 주기입니다. 다음은 간단한 예제입니다:

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,  # Add iteration limit to prevent infinite loops
):
    """
    Claude 컴퓨터 사용 상호작용을 위한 간단한 에이전트 루프.

    이 함수는 다음 간의 상호작용을 처리합니다:
    1. Claude에게 사용자 메시지 보내기
    2. Claude가 도구 사용 요청
    3. 앱이 해당 도구 실행
    4. 도구 결과를 Claude에게 다시 보내기
    """
    # 도구 및 API 매개변수 설정
    client = Anthropic(api_key=api_key)
    beta_flag = "computer-use-2025-01-24" if "20250124" in tool_version else "computer-use-2024-10-22"

    # 도구 구성 - 이미 다른 곳에서 초기화되어 있어야 합니다
    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"}
    ]

    # 메인 에이전트 루프 (무한 API 비용을 방지하기 위한 반복 제한 포함)
    iterations = 0
    while True and iterations < max_iterations:
        iterations += 1
        # 선택적 사고 매개변수 설정 (Claude Sonnet 3.7용)
        thinking = None
        if thinking_budget:
            thinking = {"type": "enabled", "budget_tokens": thinking_budget}

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

        # Claude의 응답을 대화 기록에 추가
        response_content = response.content
        messages.append({"role": "assistant", "content": response_content})

        # Claude가 도구를 사용했는지 확인
        tool_results = []
        for block in response_content:
            if block.type == "tool_use":
                # 실제 앱에서는 여기서 도구를 실행합니다
                # 예: result = run_tool(block.name, block.input)
                result = {"result": "Tool executed successfully"}

                #Claude를 위한 결과 형식화
                tool_results.append({
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": result
                })

        # 도구가 사용되지 않았다면 Claude가 완료된 것 - 최종 메시지 반환
        if not tool_results:
            return messages

        # Claude와의 다음 반복을 위해 도구 결과를 메시지에 추가
        messages.append({"role": "user", "content": tool_results})

루프는 Claude가 도구를 요청하지 않고 응답하거나(작업 완료) 최대 반복 제한에 도달할 때까지 계속됩니다. 이 안전장치는 예상치 못한 API 비용을 초래할 수 있는 잠재적 무한 루프를 방지합니다.

이 문서의 나머지 부분을 읽기 전에 참조 구현을 시도해 보는 것을 권장합니다.

​

프롬프팅으로 모델 성능 최적화

최고 품질의 출력을 얻는 방법에 대한 몇 가지 팁은 다음과 같습니다:

1. 간단하고 잘 정의된 작업을 지정하고 각 단계에 대한 명시적인 지침을 제공하십시오.
2. Claude는 때때로 결과를 명시적으로 확인하지 않고 작업의 결과를 가정합니다. 이를 방지하기 위해 각 단계 후에 스크린샷을 찍고 올바른 결과를 얻었는지 신중하게 평가하십시오. 사고를 명시적으로 보여주십시오: "X 단계를 평가했습니다..." 올바르지 않다면 다시 시도하십시오. 단계가 올바르게 실행되었음을 확인한 후에만 다음 단계로 넘어가야 합니다.라고 Claude에게 프롬프트할 수 있습니다.
3. 일부 UI 요소(드롭다운 및 스크롤바 등)는 Claude가 마우스 움직임을 사용하여 조작하기 어려울 수 있습니다. 이를 경험하면 모델에게 키보드 단축키를 사용하도록 프롬프트해 보십시오.
4. 반복 가능한 작업이나 UI 상호작용의 경우 프롬프트에 성공적인 결과의 예제 스크린샷과 도구 호출을 포함하십시오.
5. 모델이 로그인해야 하는 경우 <robot_credentials>와 같은 xml 태그 안에 사용자 이름과 비밀번호를 프롬프트에 제공하십시오. 로그인이 필요한 애플리케이션 내에서 컴퓨터 사용을 사용하면 프롬프트 주입의 결과로 나쁜 결과의 위험이 증가합니다. 모델에게 로그인 자격 증명을 제공하기 전에 프롬프트 주입 완화 가이드를 검토하십시오.

​

시스템 프롬프트

Anthropic API를 통해 Anthropic 정의 도구 중 하나가 요청되면 컴퓨터 사용 특정 시스템 프롬프트가 생성됩니다. 이는 도구 사용 시스템 프롬프트와 유사하지만 다음으로 시작합니다:

사용자의 질문에 답하는 데 사용할 수 있는 함수 세트에 액세스할 수 있습니다. 여기에는 샌드박스 컴퓨팅 환경에 대한 액세스가 포함됩니다. 현재 아래 함수를 호출하는 것 외에는 파일을 검사하거나 외부 리소스와 상호작용할 수 있는 능력이 없습니다.

일반 도구 사용과 마찬가지로 사용자 제공 system_prompt 필드는 여전히 존중되고 결합된 시스템 프롬프트 구성에 사용됩니다.

​

사용 가능한 작업

컴퓨터 사용 도구는 다음 작업을 지원합니다:

기본 작업 (모든 버전)

• screenshot - 현재 디스플레이 캡처
• left_click - 좌표 [x, y]에서 클릭
• type - 텍스트 문자열 입력
• key - 키 또는 키 조합 누르기 (예: “ctrl+s”)
• mouse_move - 커서를 좌표로 이동

향상된 작업 (computer_20250124) Claude 4 및 Claude Sonnet 3.7에서 사용 가능:

• scroll - 양 제어로 모든 방향으로 스크롤
• left_click_drag - 좌표 간 클릭 및 드래그
• right_click, middle_click - 추가 마우스 버튼
• double_click, triple_click - 다중 클릭
• left_mouse_down, left_mouse_up - 세밀한 클릭 제어
• hold_key - 다른 작업을 수행하는 동안 키 누르고 있기
• wait - 작업 간 일시 정지

​

도구 매개변수

​

Claude 4 및 Claude Sonnet 3.7에서 사고 기능 활성화

Claude Sonnet 3.7은 복잡한 작업을 수행하면서 모델의 추론 과정을 볼 수 있는 새로운 “사고” 기능을 도입했습니다. 이 기능은 Claude가 문제에 어떻게 접근하고 있는지 이해하는 데 도움이 되며 디버깅이나 교육 목적에 특히 유용할 수 있습니다.

사고를 활성화하려면 API 요청에 thinking 매개변수를 추가하십시오:

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

budget_tokens 매개변수는 Claude가 사고에 사용할 수 있는 토큰 수를 지정합니다. 이는 전체 max_tokens 예산에서 차감됩니다.

사고가 활성화되면 Claude는 응답의 일부로 추론 과정을 반환하여 다음을 도울 수 있습니다:

1. 모델의 의사결정 과정 이해
2. 잠재적 문제나 오해 식별
3. Claude의 문제 해결 접근법에서 학습
4. 복잡한 다단계 작업에 대한 더 많은 가시성 확보

사고 출력이 어떻게 보일 수 있는지에 대한 예제는 다음과 같습니다:

[사고]
고양이 사진을 데스크톱에 저장해야 합니다. 이를 단계별로 나누어 보겠습니다:

1. 먼저 스크린샷을 찍어 데스크톱에 무엇이 있는지 확인하겠습니다
2. 그런 다음 고양이 이미지를 검색할 웹 브라우저를 찾겠습니다
3. 적절한 이미지를 찾은 후 데스크톱에 저장해야 합니다

사용 가능한 것을 보기 위해 스크린샷을 찍는 것부터 시작하겠습니다...

​

다른 도구로 컴퓨터 사용 보강

컴퓨터 사용 도구는 다른 도구와 결합하여 더 강력한 자동화 워크플로우를 만들 수 있습니다. 이는 다음이 필요할 때 특히 유용합니다:

• 시스템 명령 실행 (bash 도구)
• 구성 파일이나 스크립트 편집 (텍스트 편집기 도구)
• 사용자 정의 API나 서비스와 통합 (사용자 정의 도구)

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": "Get the current weather in a given location",
        "input_schema": {
          "type": "object",
          "properties": {
            "location": {
              "type": "string",
              "description": "The city and state, e.g. San Francisco, CA"
            },
            "unit": {
              "type": "string",
              "enum": ["celsius", "fahrenheit"],
              "description": "The unit of temperature, either 'celsius' or 'fahrenheit'"
            }
          },
          "required": ["location"]
        }
      }
    ],
    "messages": [
      {
        "role": "user",
        "content": "Find flights from San Francisco to a place with warmer weather."
      }
    ],
    "thinking": {
      "type": "enabled",
      "budget_tokens": 1024
    }
  }'

​

사용자 정의 컴퓨터 사용 환경 구축

참조 구현은 컴퓨터 사용을 시작하는 데 도움이 되도록 만들어졌습니다. Claude가 컴퓨터를 사용하는 데 필요한 모든 구성 요소를 포함합니다. 그러나 필요에 맞게 컴퓨터 사용을 위한 자체 환경을 구축할 수 있습니다. 다음이 필요합니다:

• Claude와 함께 컴퓨터 사용에 적합한 가상화 또는 컨테이너화된 환경
• Anthropic 정의 컴퓨터 사용 도구 중 적어도 하나의 구현
• Anthropic API와 상호작용하고 도구 구현을 사용하여 tool_use 결과를 실행하는 에이전트 루프
• 에이전트 루프를 시작하기 위한 사용자 입력을 허용하는 API 또는 UI

​

컴퓨터 사용 도구 구현

컴퓨터 사용 도구는 스키마 없는 도구로 구현됩니다. 이 도구를 사용할 때 다른 도구와 같이 입력 스키마를 제공할 필요가 없습니다. 스키마는 Claude의 모델에 내장되어 있으며 수정할 수 없습니다.

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"])
    # ... 다른 작업 처리

for content in response.content:
    if content.type == "tool_use":
        action = content.input["action"]
        result = handle_computer_action(action, content.input)
        
        # Claude에게 결과 반환
        tool_result = {
            "type": "tool_result",
            "tool_use_id": content.id,
            "content": result
        }

while True:
    response = client.beta.messages.create(...)
    
    # Claude가 도구를 사용했는지 확인
    tool_results = process_tool_calls(response)
    
    if not tool_results:
        # 더 이상 도구 사용 없음, 작업 완료
        break
        
    # 도구 결과로 대화 계속
    messages.append({"role": "user", "content": tool_results})

​

오류 처리

컴퓨터 사용 도구를 구현할 때 다양한 오류가 발생할 수 있습니다. 처리 방법은 다음과 같습니다:

​

구현 모범 사례 따르기

​

컴퓨터 사용 제한사항 이해

컴퓨터 사용 기능은 베타 버전입니다. Claude의 기능은 최첨단이지만 개발자는 제한사항을 알고 있어야 합니다:

1. 지연 시간: 현재 컴퓨터 사용 지연 시간은 인간-AI 상호작용에 있어 일반적인 인간 주도 컴퓨터 작업에 비해 너무 느릴 수 있습니다. 속도가 중요하지 않은 사용 사례(예: 배경 정보 수집, 자동화된 소프트웨어 테스팅)에 신뢰할 수 있는 환경에서 집중하는 것을 권장합니다.
2. 컴퓨터 비전 정확도 및 신뢰성: Claude는 작업을 생성하면서 특정 좌표를 출력할 때 실수를 하거나 환각을 일으킬 수 있습니다. Claude Sonnet 3.7은 모델의 추론을 이해하고 잠재적 문제를 식별하는 데 도움이 될 수 있는 사고 기능을 도입합니다.
3. 도구 선택 정확도 및 신뢰성: Claude는 작업을 생성하면서 도구를 선택할 때 실수를 하거나 환각을 일으키거나 문제를 해결하기 위해 예상치 못한 작업을 수행할 수 있습니다. 또한 틈새 애플리케이션이나 여러 애플리케이션과 동시에 상호작용할 때 신뢰성이 낮을 수 있습니다. 복잡한 작업을 요청할 때 모델을 신중하게 프롬프트하는 것을 권장합니다.
4. 스크롤 신뢰성: Claude Sonnet 3.5 (new)는 스크롤링에 제한이 있었지만, Claude Sonnet 3.7은 신뢰성을 향상시키는 방향 제어가 있는 전용 스크롤 작업을 도입합니다. 모델은 이제 지정된 양만큼 모든 방향(위/아래/왼쪽/오른쪽)으로 명시적으로 스크롤할 수 있습니다.
5. 스프레드시트 상호작용: 스프레드시트 상호작용을 위한 마우스 클릭은 left_mouse_down, left_mouse_up과 같은 더 정밀한 마우스 제어 작업과 새로운 수정자 키 지원의 추가로 Claude Sonnet 3.7에서 개선되었습니다. 이러한 세밀한 제어를 사용하고 수정자 키와 클릭을 결합하여 셀 선택이 더 안정적일 수 있습니다.
6. 소셜 및 커뮤니케이션 플랫폼에서의 계정 생성 및 콘텐츠 생성: Claude는 웹사이트를 방문하지만 소셜 미디어 웹사이트와 플랫폼에서 계정을 만들거나 콘텐츠를 생성 및 공유하거나 인간 사칭에 참여하는 능력을 제한하고 있습니다. 향후 이 기능을 업데이트할 수 있습니다.
7. 취약점: 탈옥이나 프롬프트 주입과 같은 취약점은 베타 컴퓨터 사용 API를 포함한 최첨단 AI 시스템 전반에 걸쳐 지속될 수 있습니다. 일부 상황에서 Claude는 때로는 사용자의 지시와 충돌하더라도 콘텐츠에서 발견된 명령을 따를 것입니다. 예를 들어, 웹페이지의 Claude 지시나 이미지에 포함된 지시가 지시를 무시하거나 Claude가 실수를 하게 할 수 있습니다. 다음을 권장합니다: a. 컴퓨터 사용을 최소한의 권한을 가진 가상 머신이나 컨테이너와 같은 신뢰할 수 있는 환경으로 제한 b. 엄격한 감독 없이 민감한 계정이나 데이터에 컴퓨터 사용 액세스 제공 피하기 c. 애플리케이션에서 컴퓨터 사용 기능을 활성화하거나 필요한 권한을 요청하기 전에 최종 사용자에게 관련 위험을 알리고 동의를 얻기
8. 부적절하거나 불법적인 작업: Anthropic의 서비스 약관에 따라 법률이나 당사의 허용 사용 정책을 위반하기 위해 컴퓨터 사용을 사용해서는 안 됩니다.

항상 Claude의 컴퓨터 사용 작업과 로그를 신중하게 검토하고 확인하십시오. 인간의 감독 없이 완벽한 정밀도나 민감한 사용자 정보가 필요한 작업에는 Claude를 사용하지 마십시오.

​

가격

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

​

다음 단계