¿Qué es CUA Agent Kit?
CUA Agent Kit viene de CVS Health y divide la automatización de pantallas en dos trabajos. En el descubrimiento, un agente de uso de ordenador de OpenAI (el modelo por defecto es gpt-6-sol, con 40 turnos) sigue un flujo escrito en lenguaje natural en un navegador o en un escritorio Windows remoto y graba capturas, acciones, objetivos y, en el navegador, una traza de Playwright. En la codificación, una skill de Codex lee las grabaciones correctas y escribe código corriente: Playwright con localizadores semánticos para webs y pywinauto con controles de UI Automation y Win32 para apps de Windows. Las ejecuciones repetidas usan ese código sin llamadas al modelo ni clave de API.
Es un proyecto de Python 3.12 gestionado con uv, con una app de ejemplo de admisión local, registros de auditoría opcionales en PostgreSQL, Azure Blob Storage para los artefactos y archivos de Docker Compose. El repositorio se creó el 30 de octubre de 2026 y tiene 19 estrellas, licencia Apache-2.0, 11 commits y ninguna release; el último commit es del 12 de noviembre de 2026.
¿Merece la pena CUA Agent Kit?
Los agentes de uso de ordenador pueden deducir una tarea administrativa llena de clics a partir de un párrafo de instrucciones, pero pedir a un modelo que razone los mismos clics cada mañana añade coste y variabilidad a un trabajo que un script puede hacer. Este kit trata al agente como herramienta de descubrimiento. Repites el descubrimiento hasta que el flujo sale bien de forma constante, pides a Codex que codifique esas ejecuciones y, a partir de ahí, `cua-agent-run` reproduce código determinista de Playwright o pywinauto. El proyecto atribuye la idea a la charla Zero Token Architecture de Kelsey Hightower en PlatformCon 2026.
La documentación es inusualmente honesta sobre dónde se detiene el método. Su guía de enfoques dice que las apps servidas por Citrix que solo exponen píxeles no tienen controles que codificar, así que siguen dependiendo de la IA en cada ejecución, y que no se incluye un ejecutor híbrido que mezcle código con pasos del modelo. También advierte de que un agente que termina una ejecución no demuestra que la tarea haya salido bien. Cuando una web cambia, el script codificado se rompe como cualquier script de RPA; la respuesta del kit es que Codex lea las nuevas trazas y actualice el código, con un ingeniero revisando.
La pega: el descubrimiento envía tu prompt de flujo al endpoint del modelo, incluidas las credenciales de acceso inyectadas desde `WORKFLOW_ACCOUNT_JSON`, junto con capturas de lo que haya en pantalla. Las grabaciones pueden contener cookies, tokens de sesión, respuestas de red e instantáneas del DOM, y la redacción de datos se describe como de mejor esfuerzo. Activar el backend de almacenamiento sube la carpeta completa de la ejecución sin censurar. En Windows, el servidor del host puede controlar el escritorio y ejecutar comandos, y los scripts de instalación no añaden autenticación ni reglas de cortafuegos, así que solo debe estar en una red privada bien cerrada.
Nuestra opinión: esto es un plano bien razonado de un gran empleador más que un producto acabado, con 19 estrellas y 11 commits; un equipo con ingenieros de Python puede aprovechar el patrón, mientras que quien quiera una herramienta de RPA con soporte debería buscar en otra parte.
Dónde se gana su sitio
Un ingeniero de operaciones en un proveedor sanitario
Automatizar una tarea diaria de alta de derivaciones en un portal web sin API
Describe los pasos en `prompt.py`, ejecuta `cua-agent-discover` contra una cuenta de prueba hasta que funcione de forma fiable y luego pide a Codex que lo codifique; la ejecución diaria es un script de Playwright sin gasto de API. Usa un acceso de prueba, porque las credenciales llegan al modelo durante el descubrimiento.
Un equipo de automatización de TI que da soporte a una app de escritorio Windows antigua
Sustituir una macro frágil basada en coordenadas por código que entiende los controles
Instala el servidor del host en una VM de Windows con `install.ps1`, descubre el flujo y codifícalo en pasos de pywinauto que usan controles de UI Automation. Revisa antes pantallas representativas: que la ventana principal sea accesible no significa que lo sea cada diálogo.
Un equipo de plataforma que evalúa agentes de uso de ordenador
Comparar la automatización con IA en cada ejecución frente a scripts codificados tras un único descubrimiento
Ejecuta la app de ejemplo Care Intake en ambos modos y anota coste y fallos. La propia guía del kit dice que las apps que solo exponen píxeles, como algunas apps de Citrix, deben seguir con IA en cada ejecución.
Antes de decidirte
- Puesta en marcha
- Clona el repositorio, ejecuta `uv sync`, define `OPENAI_API_KEY` y ejecuta `uv run playwright install chromium`; la app de ejemplo arranca con `uv run python sample_app/app.py`. Windows necesita una VM preparada con `windows-host/install.ps1` y `start.ps1`, desbloqueada durante las ejecuciones.
- Integraciones
- Modelos de uso de ordenador de OpenAI (o un endpoint compatible mediante `OPENAI_BASE_URL`), OpenAI Agents SDK, skills de Codex, Playwright, pywinauto, PostgreSQL con migraciones Flyway, Azure Blob Storage y Docker Compose.
- Datos y privacidad
- El descubrimiento envía prompts, credenciales inyectadas, capturas e historial de acciones al endpoint del modelo. Los artefactos se quedan en local por defecto bajo `artifacts/`; las grabaciones pueden contener credenciales, cookies, tokens y datos de red, y las subidas al almacenamiento no se censuran. El servidor de Windows no tiene autenticación.
- Coste a escala
- El gasto en modelo recae en el descubrimiento y en repetirlo cuando cambia un flujo; las ejecuciones codificadas no llaman al modelo. No se publican cifras de coste por ejecución.
- Límites
- El descubrimiento se limita a 40 turnos por defecto. No hay ejecutor híbrido listo para usar. Las apps sin controles accesibles no se pueden codificar. Los scripts codificados se rompen cuando cambia la interfaz y hay que volver a codificarlos.
Lo bueno
- Las ejecuciones codificadas no necesitan llamadas al modelo ni clave de API
- Localizadores de Playwright y controles de pywinauto en lugar de coordenadas de pantalla
- Documentación clara de los riesgos de seguridad y los límites del método
- Registro de auditoría opcional en PostgreSQL y artefactos en Azure Blob
Lo malo
- El descubrimiento envía credenciales y capturas al modelo
- Las grabaciones pueden contener cookies y tokens de sesión
- El servidor del host Windows no tiene autenticación
- Muy joven: 19 estrellas, 11 commits, sin releases
Ideal para
Equipos de ingeniería en organizaciones con mucha operativa que quieren automatizar trabajo repetitivo de pantalla en navegador o Windows y mantener las ejecuciones repetidas libres de coste de modelo.
Alternativas a CUA Agent Kit
CUA Agent Kit: preguntas frecuentes
- ¿Merece la pena CUA Agent Kit?
- CUA Agent Kit acierta con la economía de la automatización de pantallas al pagar la IA una vez y ejecutar código después, pero es un kit inicial temprano con aristas en las credenciales y un servidor de Windows sin autenticación. Le damos un 3.5 sobre 5.
- ¿Cuánto cuesta CUA Agent Kit?
- Gratis y de código abierto (Apache-2.0). Las ejecuciones de descubrimiento se cargan a tu clave de API de OpenAI; las ejecuciones codificadas no llaman al modelo.
- ¿Qué inconvenientes tiene CUA Agent Kit?
- El descubrimiento envía credenciales y capturas al modelo; las grabaciones pueden contener cookies y tokens de sesión; el servidor del host Windows no tiene autenticación; muy joven: 19 estrellas, 11 commits, sin releases.
- ¿Para quién es CUA Agent Kit?
- Equipos de ingeniería en organizaciones con mucha operativa que quieren automatizar trabajo repetitivo de pantalla en navegador o Windows y mantener las ejecuciones repetidas libres de coste de modelo.
- ¿Cuánto cuesta CUA Agent Kit para un equipo o en producción?
- El gasto en modelo recae en el descubrimiento y en repetirlo cuando cambia un flujo; las ejecuciones codificadas no llaman al modelo. No se publican cifras de coste por ejecución.
- ¿Es CUA Agent Kit seguro para los datos de la empresa?
- El descubrimiento envía prompts, credenciales inyectadas, capturas e historial de acciones al endpoint del modelo. Los artefactos se quedan en local por defecto bajo `artifacts/`; las grabaciones pueden contener credenciales, cookies, tokens y datos de red, y las subidas al almacenamiento no se censuran. El servidor de Windows no tiene autenticación.
- ¿Cuáles son las mejores alternativas a CUA Agent Kit?
- Las alternativas más cercanas que hemos analizado son Skyvern, Browser Use, Stagehand y UFO.
Respuestas comprobadas el 20 nov 2026.