Terminator：把 Windows 桌面自动化写成确定性代码
playwright for windows computer use
秒懂
- 它是什么？
- 这个 Rust 项目用 MCP 协议把 Windows 桌面控制权交给 Claude、Cursor 等助手，主打「先录制、再确定性回放、失败才调 AI」。本文只依据仓库现有材料，梳理它的定位、机制、安装方式与边界。
- 适合谁用？
- 如果你的自动化目标锁定在 Windows 桌面应用和浏览器，并且愿意接受「先录制工作流、再确定性执行」这套思路，Terminator 值得装一次做小范围验证：用 claude mcp add terminator "npx -y terminator-mcp-agent@latest" 接入，或把 mcpServers 配置写进客户端的 MCP 配置文件，然后拿一个重复性最高的内部流程去录一遍，看回放是否稳定。反过来，如果你的环境里有 macOS 或 Linux 机器，或者你需要的是跨平台的无头浏览器自动化，这个项目现在就不适合你，README 的功能表已经写明 macOS 和 Linux 全部为 No。
- 能商用吗？
- 可以。MIT 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库最近一次提交在 106 天前。
- 用什么语言写的？
- 主要是 Rust（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月15日）和我们的分析，不构成法律意见。
开源项目深度解析
它要解决的是 Windows 桌面上没有 Playwright 这件事
Web 自动化有 Playwright 这类工具，选择器稳定、执行可重复。桌面端没有对应物：你要么用坐标点击，要么依赖各家 RPA 产品自带的录制器，脚本一旦遇到窗口位置变化或弹窗就断。Terminator 把自己定位成「playwright for windows computer use」，README 的第一句描述就是这个。它的目标用户写得很清楚：需要让 AI 助手操作桌面应用的开发者，以及想把重复流程交给机器执行的团队。仓库给出的用例包括在 GCP 上开新实例并用 CLI 连上去、去 Vercel 查日志里最常见的错误、根据最近的提交测试应用新功能。这些场景的共同点是：操作发生在真实的 Windows 桌面上，涉及浏览器登录态或本地客户端，不是纯粹调 API 能解决的。
录制成确定性代码，AI 只在恢复时出场
README 里最关键的一句设计说明是：项目通过把工作流预训练成确定性代码，只在需要恢复时才调用 AI。这解释了它为什么强调速度和成功率。执行阶段跑的是录制下来的固定步骤，不每一步都去问模型，所以耗时接近 CPU 执行速度，而不是模型推理速度。定位元素的方式是混合的：README 的卖点里写了 pixels、DOM 和 Accessibility tree 三个维度一起用，功能表里对应的能力叫 Element Locators，支持按 name、role、window 等条件查找控件。工作流录制（Workflow Recording）是独立的一项功能，README 提到 8 月的版本更新里加入了「OS 事件录制转 YAML 生成」以及「在浏览器里跑 JS」，也就是说录制产物是 YAML 工作流，NodeJS SDK 也在这版里出现。MCP 客户端连接后，助手拿到的是一组操作桌面和窗口的工具，而不是一个黑盒的「帮我点一下」。
接入方式：一条命令或一段 JSON
对 Claude Code，README 给的是单行命令：claude mcp add terminator "npx -y terminator-mcp-agent@latest"。其他支持 MCP 的客户端（Cursor、VS Code、Windsurf 等）需要往 MCP 配置文件里加一段 JSON，服务名是 terminator-mcp-agent，command 为 npx，args 为 ["-y", "terminator-mcp-agent@latest"]，env 里可以设 LOG_LEVEL 为 info、RUST_BACKTRACE 为 1。README 还提供了 Cursor、VS Code、VS Code Insiders 的一键安装徽章，指向 terminator-mcp-agent 的 README 里的 quick-install 小节。库层面有两个入口：Python 包名是 terminator，pip install terminator，功能表标注为 Partial；TypeScript 包是 @mediar-ai/terminator，npm i @mediar-ai/terminator，标注为 Yes。此外 crates.io 上有 terminator-rs 和 terminator-workflow-recorder 两个 crate，说明 Rust 侧是直接可依赖的。这些命令都来自仓库材料，我没有实际执行过，配置前请以 terminator-mcp-agent 的 README 为准。
只支持 Windows，而且浏览器控制要装扩展
README 用加粗写明「currently supports Windows only」，功能表里 macOS 和 Linux 两列从核心自动化到高级功能全是 No。这是硬边界，不是「尚未测试」。第二个约束在浏览器自动化那一行：Notes 写着 Chrome extension enables browser control，也就是说浏览器控制不是纯进程内能力，需要装一个 Chrome 扩展，这会影响部署方式和权限审批。第三个约束是 Python 库只标了 Partial，如果你打算用 Python 做主力集成，得先确认哪些能力没覆盖。另外，那个「100x faster than ChatGPT Agents、Claude、Perplexity Comet、BrowserBase、BrowserUse」和「>95% success rate」是项目方的宣传表述，材料里没有基准测试的细节、测试集或复现步骤，只能当作方向性说明，不能当作选型依据。
和 BrowserUse 这类方案差在哪
README 自己把 BrowserUse、BrowserBase 列为对比对象。差别不在支持多少站点，而在执行模型：这类浏览器 agent 通常每一步都让模型看页面状态再决定下一个动作，慢，而且同一任务两次跑的结果可能不同。Terminator 把已经跑通的流程固化成 YAML 工作流，执行时不调用模型，模型只在步骤失败、需要恢复时介入。代价是前期必须有人录一遍流程，流程变了要重录或改 YAML。所以选择标准很直接：任务固定且重复，Terminator 的模型更划算；任务一次性、页面结构天天变，逐步骤推理的 agent 反而更省事。如果你的目标只是网页抓取或表单填写，Playwright 本身仍然更轻，不需要引入桌面控制这一层。
MIT 许可与升级节奏
仓库采用 MIT 许可，README 里也把「MIT-licensed, fork it, ship it, no lock-in」当作卖点。这意味着你可以修改、分发、商用，具体义务以 LICENSE 文件为准，这里不做法律判断。升级方面，材料显示版本号已经走到 v0.24.x，最近三个版本是 v0.24.32（2026-04-05）、v0.24.31（2026-04-02）、v0.24.30（2026-03-17），最近一次 push 是 2026-06-02，仓库未归档。0.x 版本号加上这个发布频率，意味着接口和行为仍可能变动，把 npx 拉取 @latest 的接入方式在每次升级后都可能拿到不一样的行为。如果要把 Terminator 放进生产流程，建议在 MCP 配置里固定版本号而不是用 @latest，并且把录制出来的 YAML 工作流纳入版本控制，这样升级出问题时能对照回滚。README 里提到的 Mediar IDE 和托管服务是同一团队的另一条产品线，与 MIT 许可的开源部分不是一回事。
编辑结论
如果你的自动化目标锁定在 Windows 桌面应用和浏览器，并且愿意接受「先录制工作流、再确定性执行」这套思路，Terminator 值得装一次做小范围验证：用 claude mcp add terminator "npx -y terminator-mcp-agent@latest" 接入，或把 mcpServers 配置写进客户端的 MCP 配置文件，然后拿一个重复性最高的内部流程去录一遍，看回放是否稳定。反过来，如果你的环境里有 macOS 或 Linux 机器，或者你需要的是跨平台的无头浏览器自动化，这个项目现在就不适合你，README 的功能表已经写明 macOS 和 Linux 全部为 No。上手前先确认三件事：你的客户端是否支持 MCP、你是否有权限在目标机器上安装浏览器扩展（浏览器自动化依赖 Chrome 扩展）、以及你能否接受把内部流程录制成工作流文件后由 AI 在需要时介入恢复。README 里那些「100x」「95% 成功率」的说法来自项目方自述，材料中没有给出测量方法或数据集，不要把它当成可复现的指标。
社区笔记