Cargando

Cómo funciona el uso de la computadora

Lección 643 min
Cargando

El uso de la computadora en Claude funciona exactamente igual que el uso de herramientas habitual: se basa en los mismos fundamentos que ya conoces. La diferencia clave es que, en lugar de llamar a una API del clima o a una función de base de datos, Claude realiza solicitudes para controlar una interfaz de computadora.

Repaso del uso de herramientas

Antes de profundizar en el uso de la computadora, repasemos rápidamente cómo funciona el uso de herramientas estándar. Cuando quieres que Claude use una herramienta, envías una solicitud que incluye tanto un mensaje del usuario como un esquema de herramienta. El esquema de herramienta describe la funcionalidad adicional que deseas exponer a Claude.

Nuestro servidor envía a Claude el mensaje "¿Qué tiempo hace en San Francisco?" y el esquema de herramienta get_weather_schema.

Este es el flujo típico:

  1. Envías a Claude una pregunta junto con los esquemas de herramientas disponibles
  2. Claude analiza la solicitud y decide que necesita usar una herramienta
  3. Claude responde con una solicitud de uso de herramienta que contiene el nombre de la herramienta y las entradas requeridas
  4. Tu servidor ejecuta la función de la herramienta y devuelve el resultado
  5. Envías el resultado de la herramienta de vuelta a Claude

Nuestro servidor envía get_weather_schema; Claude responde con un toolUse que nombra get_weather, y nuestra función devuelve "Soleado".

Por ejemplo, si preguntas sobre el clima en San Francisco, Claude podría llamar a una función get_weather con el parámetro de ubicación, tu servidor obtiene los datos del clima, y devuelves el resultado a Claude.

Nuestro servidor le hace una pregunta a Claude con una lista de herramientas, Claude decide usar una herramienta, ejecutamos código y enviamos el resultado de vuelta.

Uso de la computadora: el mismo flujo, una herramienta diferente

El uso de la computadora sigue exactamente este mismo patrón. La diferencia está en lo que la "herramienta" realmente hace: en lugar de obtener datos del clima, simula interacciones con la computadora como clics del mouse y entradas de teclado.

Tres mensajes entre nuestro servidor y Claude para una herramienta que opera una computadora, ejecutada en un contenedor Docker con Firefox.

Cuando habilitas el uso de la computadora, envías a Claude un esquema de herramienta especial que se expande automáticamente detrás de escena. Lo que comienza como un esquema simple de tu parte se convierte en una interfaz completa que le indica a Claude que puede realizar acciones como:

  • Movimientos y clics del mouse
  • Entrada de teclado y combinaciones de teclas
  • Tomar capturas de pantalla
  • Desplazamiento y otras interacciones de la interfaz

Nuestro pequeño esquema computer_20250124 se expande en uno largo con las propiedades action, coordinate, duration y text.

El esquema de herramienta que envías es mínimo, pero se convierte automáticamente en una especificación detallada que incluye todas las capacidades de interacción con la computadora que Claude necesita.

Esquema mínimo de herramienta de computadora con el tamaño de pantalla, expandido en las propiedades "action", "coordinate", "duration" y "text".

La implementación técnica

Para que el uso de la computadora funcione, necesitas un entorno informático que pueda ejecutar programáticamente las acciones que solicita Claude. La implementación de referencia usa un contenedor Docker que ejecuta Firefox, junto con código que puede simular pulsaciones de teclas y movimientos del mouse.

Cuando Claude decide interactuar con la computadora, envía una solicitud de uso de herramienta igual que con cualquier otra herramienta. Tu servidor recibe esta solicitud y ejecuta la acción correspondiente en el entorno en contenedor, ya sea hacer clic en un botón, escribir texto o tomar una captura de pantalla.

Lo importante que hay que entender es que Claude no está controlando directamente una computadora. Está realizando solicitudes de herramientas, y tu infraestructura traduce esas solicitudes en interacciones reales con la computadora.

Primeros pasos

No necesitas construir esta infraestructura desde cero. Anthropic proporciona una implementación de referencia que se encarga de todas las partes complejas por ti.

Instala cualquier runtime de Docker, como orbstack.dev, obtén el nombre de tu perfil de AWS del archivo de credenciales y luego ejecuta docker run.

Para configurar el uso de la computadora, necesitas:

  1. Un runtime de Docker instalado en tu sistema
  2. Un perfil de AWS configurado localmente (generalmente "default")
  3. La implementación de referencia del repositorio de Anthropic quickstarts

Una vez que tengas estos prerrequisitos, puedes iniciar el contenedor Docker con un solo comando. Esto te da acceso a la misma interfaz mostrada en las demostraciones: una interfaz de chat a la izquierda donde puedes hablar con Claude, y un entorno de navegador a la derecha donde Claude puede interactuar con páginas web y aplicaciones.

Demostración de uso de la computadora de Claude: un panel de chat que advierte nunca dar acceso a cuentas o datos sensibles, junto a Firefox.

El proceso de configuración es sencillo, y la guía de configuración completa está disponible en el repositorio de Anthropic quickstarts en GitHub. Esta implementación de referencia proporciona todo lo que necesitas para comenzar a experimentar con las capacidades de uso de la computadora de Claude en un entorno seguro y contenido.