Was ist Munim Computer Use?
Munim Computer Use lässt einen Agenten die Apps auf deinem eigenen Rechner bedienen. Es liest den Accessibility-Baum jedes Fensters, die strukturierte Liste von Buttons, Feldern und Beschriftungen, die Screenreader nutzen, und gibt dem Agenten Element-IDs zum Klicken, Tippen oder Scrollen; bietet eine App keine Beschriftungen, greift es auf OCR auf dem Gerät zurück. Screenshots und ein Zoom-Tool dienen zum Prüfen der Ergebnisse. Ein dezenter Agenten-Zeiger zeigt, wo er gerade arbeitet, und unter macOS gehen Eingaben an das Zielfenster, ohne deine Maus zu bewegen.
Es läuft auf macOS (ein Swift-Server), Windows und Linux (ein Rust-Server), überall mit denselben 38 Tools. Eine optionale Chrome-Erweiterung, angebunden über Chromes Native Messaging, fügt 19 Browser-Tools hinzu, die in einer beschrifteten Tab-Gruppe in deinem echten, angemeldeten Chrome arbeiten. Eine Datei policy.json legt allow, ask oder block pro App und pro Website fest.
Munim Technologies (Munim, Inc.) hat es als Computer-Use-Engine seiner App MT Code gebaut und veröffentlicht es separat unter Apache-2.0. Das Repository wurde am 5. September 2026 angelegt, hat rund 37 Sterne und 30 Releases, und v0.13.0 erschien am 6. November 2026.
Munim Computer Use installieren
npx -y munim-computer-useLohnt sich Munim Computer Use?
Munim Computer Use macht die Grundlagen richtig. Weil es den Accessibility-Baum statt Screenshots liest, drückt der Agent einen benannten Button, statt Pixel zu raten, und es funktioniert auch mit Modellen ohne Bildverständnis. IDs werden vor jeder Aktion erneut geprüft: Tauscht ein Dialog seine Buttons, schlägt der Aufruf fehl, statt das Falsche anzuklicken, und run_steps prüft eine ganze Aktionsliste, bevor irgendetwas davon läuft. Im projekteigenen Benchmark vom 4. November 2026 dauerte das Lesen eines Fensters unter Windows etwa 0.12 s und lieferte rund 2.0K Tokens, vor allen gemessenen Konkurrenten; die Zahlen sind selbst berichtet, und die Skripte sind nicht veröffentlicht.
Im Browser unterscheidet es sich von Playwright oder Chrome DevTools MCP. Diese Server starten einen eigenen Browser; Munim arbeitet in dem Chrome, in dem du bereits angemeldet bist, in einer eigenen Tab-Gruppe, und kann einen Tab übernehmen, auf den du zeigst. Die Erweiterung hat Chromes debugger-Berechtigung und Zugriff auf alle URLs, also kann der Agent alles lesen und bedienen, wo du angemeldet bist. Zwei Schutzmaßnahmen fallen auf: browser_request_credentials öffnet ein Fenster, in dem du ein Passwort direkt in die Seite tippst, ohne dass das Modell es sieht, und Passwortfelder auf dem Desktop verweigern standardmäßig Eingaben.
Die Sicherheitsdarstellung ist ehrlich, aber nicht vollständig. Die Richtliniendatei kann Keychain Access oder deine Bank sperren, Abfragen für ask-Regeln gelten nach zwei Minuten ohne Antwort als Nein, und eine ungültige Datei sperrt alles. Doch das README nennt das eine Leitplanke, keine Sandbox: Ein Koordinatenklick landet, wohin er zeigt, und ein Vollbild-Screenshot zeigt jedes Fenster. Jeder Text, den der Agent liest, von einer Webseite bis zu einer E-Mail in Mail, ist eine mögliche Prompt-Injection mit deinem ganzen Desktop dahinter. Es wird kein Port geöffnet; der Server spricht stdio und erreicht Chrome über einen lokalen Socket oder eine Named Pipe.
Der Haken: Hintergrundeingaben sind nur unter macOS garantiert. Unter Windows brauchen Chromium-, Electron-, WPF- und UWP-Apps weiterhin den echten Zeiger, unter Linux bewegt jede Zeigeraktion ihn, und native Wayland-Apps bekommen keine Koordinatenklicks. Die Chrome-Erweiterung muss entpackt im Entwicklermodus geladen werden. Mit rund 37 Sternen, einem Hauptentwickler und einem Release alle paar Tage sind schnelle Fehlerbehebungen und schnelle Änderungen zu erwarten.
Unser Fazit: Für einen Entwickler, der einen Agenten Spesen in einer Desktop-App erfassen oder ein Formular hinter einem Login ausfüllen lassen will, ist dies ein besser gebauter Ausgangspunkt als die screenshotbasierten Server; betreib es unter einem separaten Benutzerkonto oder mit einer Standard-Sperrrichtlinie, bis es eine längere Erfolgsbilanz hat.
Wo es sich lohnt
Eine Buchhaltungskraft in einer Firma mit 20 Mitarbeitern, die eine Desktop-Buchhaltungs-App ohne API nutzt
Einen Stapel Lieferantenrechnungen erfassen, ohne jedes Feld neu zu tippen
Der Agent liest das Formular der App mit get_app_state, füllt Felder per Element-ID und prüft jeden Eintrag mit return_state. Bis auf Modell-Tokens kostenlos; eine Richtlinie, die Mail und den Browser sperrt, hält ihn bei der Aufgabe.
Eine QA-Ingenieurin, die eine plattformübergreifende Electron-App testet
Denselben Smoke-Test unter macOS, Windows und Linux ausführen
Weil Tool-Namen und Schemas auf jedem System identisch sind, steuert ein einziger Prompt alle drei. Unter Windows und Linux bewegt sich bei Electron-Fenstern der echte Zeiger, also besser Ersatzrechner nehmen.
Ein Solo-Gründer, der mehrere SaaS-Dashboards hinter Single Sign-on verwaltet
Die Wochenzahlen aus drei Admin-Panels in eine Notiz übernehmen
Der Agent öffnet seine eigene Tab-Gruppe im Chrome des Gründers, liest jede Seite mit browser_read und meldet sich über browser_request_credentials an, wenn eine Sitzung abgelaufen ist. Abrechnungs- und Admin-Seiten in policy.json auf ask setzen.
Bevor du dich festlegst
- Einrichtung
- claude mcp add munim-computer-use -- npx -y munim-computer-use, das beim ersten Start das signierte Binary holt; Konfigurationen für Codex und Cursor stehen im README. Unter macOS einmal munim-computer-use request-permissions für Accessibility und Screen Recording ausführen. Für die Browser-Tools chrome-extension/ entpackt laden und install-native-host ausführen.
- Integrationen
- 38 Tools: sehen (list_apps, get_app_state, screenshot, zoom, list_displays), handeln (click, type_text, set_value, press_key, drag, run_steps und weitere), Zwischenablage lesen und schreiben sowie 19 Browser-Tools wie browser_read, browser_fill, browser_upload_file und browser_request_credentials. Fast alle sind Schreibaktionen; COMPUTER_USE_BROWSER=0 blendet die Browser-Tools aus.
- Daten und Datenschutz
- Läuft lokal über stdio und öffnet keinen Netzwerkport; die Chrome-Brücke nutzt einen lokalen Socket oder eine Named Pipe. OCR läuft auf dem Gerät. Der Agent kann in jeder App und angemeldeten Website lesen und handeln, die die Richtlinie erlaubt, dazu die Zwischenablage und lokale Dateien, die er hochlädt; Screenshots und Seitentext gehen an deinen Modellanbieter. Das README erwähnt keine Telemetrie, und das Repository listet keine Sicherheitshinweise.
- Kosten im großen Maßstab
- Kostenlos; die Kosten sind Modell-Tokens. Laut Projekt-Benchmark liefern Accessibility-Lesevorgänge etwa 1.0K bis 2.0K Tokens pro Fenster, weit weniger als eine Screenshot-Schleife, doch lange Desktop-Aufgaben summieren sich trotzdem auf viele Aufrufe.
- Grenzen
- Hintergrundeingaben sind unter Windows nur nach bestem Bemühen möglich und fehlen bei Linux-Zeigeraktionen; native Wayland-Apps bekommen Elementaktionen, aber keine Koordinatenklicks. Agenten in einer Sandbox unter Windows erhalten leere Bäume und schwarze Aufnahmen. Nur Chrome, und die Erweiterung muss entpackt geladen werden.
Was gut ist
- Accessibility-Baum mit IDs, die scheitern statt danebenzugreifen
- Dieselben 38 Tools auf macOS, Windows und Linux
- Hintergrundeingaben unter macOS; eingeblendeter Agenten-Zeiger
- Richtlinie mit allow, ask und block pro App und Website
- Anmeldefenster hält Passwörter vom Modell fern
Was nicht
- Agent kann in jeder angemeldeten App und Website als du handeln
- Hintergrundeingaben nur unter macOS garantiert
- Chrome-Erweiterung entpackt geladen, mit debugger-Zugriff
- Zwei Monate alt; Benchmarks selbst berichtet
Am besten für
Entwickler unter macOS, Windows oder Linux, die einen Agenten Desktop-Apps und angemeldete Websites bedienen lassen wollen und vorher eine App- und Website-Richtlinie schreiben.
Alternativen zu Munim Computer Use
Munim Computer Use: häufige Fragen
- Lohnt sich Munim Computer Use?
- Ein sorgfältig gebauter offener Computer-Use-Server, aber zwei Monate alt und fähig, alles zu tun, was du an deinem Schreibtisch tun kannst, deshalb sollte er sich Vertrauen langsam verdienen. Wir bewerten es mit 3.7 von 5.
- Was kostet Munim Computer Use?
- Kostenlos und quelloffen (Apache-2.0). Kein Bezahltarif; die Modellaufrufe zahlst du an deinen eigenen Anbieter.
- Welche Nachteile hat Munim Computer Use?
- Agent kann in jeder angemeldeten App und Website als du handeln; Hintergrundeingaben nur unter macOS garantiert; Chrome-Erweiterung entpackt geladen, mit debugger-Zugriff; Zwei Monate alt; Benchmarks selbst berichtet.
- Für wen eignet sich Munim Computer Use?
- Entwickler unter macOS, Windows oder Linux, die einen Agenten Desktop-Apps und angemeldete Websites bedienen lassen wollen und vorher eine App- und Website-Richtlinie schreiben.
- Was kostet Munim Computer Use für ein Team oder im Produktivbetrieb?
- Kostenlos; die Kosten sind Modell-Tokens. Laut Projekt-Benchmark liefern Accessibility-Lesevorgänge etwa 1.0K bis 2.0K Tokens pro Fenster, weit weniger als eine Screenshot-Schleife, doch lange Desktop-Aufgaben summieren sich trotzdem auf viele Aufrufe.
- Ist Munim Computer Use sicher für Firmendaten?
- Läuft lokal über stdio und öffnet keinen Netzwerkport; die Chrome-Brücke nutzt einen lokalen Socket oder eine Named Pipe. OCR läuft auf dem Gerät. Der Agent kann in jeder App und angemeldeten Website lesen und handeln, die die Richtlinie erlaubt, dazu die Zwischenablage und lokale Dateien, die er hochlädt; Screenshots und Seitentext gehen an deinen Modellanbieter. Das README erwähnt keine Telemetrie, und das Repository listet keine Sicherheitshinweise.
- Was sind die besten Alternativen zu Munim Computer Use?
- Die nächsten Alternativen, die wir getestet haben, sind Playwright MCP, Chrome DevTools MCP und OpenTabs.
Antworten geprüft am 11. Nov. 2026.