¿Qué es Munim Computer Use?
Munim Computer Use permite a un agente manejar las aplicaciones de tu propio ordenador. Lee el árbol de accesibilidad de cada ventana, la lista estructurada de botones, campos y etiquetas que usan los lectores de pantalla, y entrega al agente ids de elementos para hacer clic, escribir o desplazarse, con OCR en el dispositivo como respaldo cuando una app no expone etiquetas. Las capturas y una herramienta de zoom sirven para comprobar resultados. Un puntero suave del agente muestra dónde actúa y, en macOS, la entrada va a la ventana de destino sin mover tu ratón.
Funciona en macOS (un servidor en Swift), Windows y Linux (un servidor en Rust), con las mismas 38 herramientas en cada uno. Una extensión de Chrome opcional, conectada mediante la mensajería nativa de Chrome, añade 19 herramientas de navegador que trabajan en un grupo de pestañas etiquetado dentro de tu Chrome real con sesión iniciada. Un archivo policy.json fija allow, ask o block por app y por sitio web.
Munim Technologies (Munim, Inc.) lo creó como motor de uso del ordenador de su app MT Code y lo publica por separado con licencia Apache-2.0. El repositorio se creó el 5 de septiembre de 2026, tiene unas 37 estrellas y 30 versiones, y la v0.13.0 salió el 6 de noviembre de 2026.
Cómo instalar Munim Computer Use
npx -y munim-computer-use¿Merece la pena Munim Computer Use?
Munim Computer Use acierta en lo fundamental. Leer el árbol de accesibilidad en lugar de capturas significa que el agente pulsa un botón con nombre en vez de adivinar píxeles, y funciona con modelos sin visión. Los ids se vuelven a comprobar antes de cada acción, así que si un diálogo cambia sus botones la llamada falla en lugar de pulsar lo que no es, y run_steps revisa toda una lista de acciones antes de ejecutar ninguna. En la prueba del propio proyecto del 4 de noviembre de 2026, leer una ventana llevó unos 0.12 s en Windows y devolvió unos 2.0K tokens, por delante de todos los rivales que midió; esas cifras son autodeclaradas y los scripts no se han publicado.
El navegador es donde se diferencia de Playwright o Chrome DevTools MCP. Esos servidores arrancan un navegador aparte; Munim trabaja en el Chrome en el que ya has iniciado sesión, en su propio grupo de pestañas, y puede tomar una pestaña que le señales. La extensión tiene el permiso debugger de Chrome y acceso a todas las URL, así que en todo lo que tengas sesión iniciada el agente puede leer y actuar. Destacan dos salvaguardas: browser_request_credentials abre una ventana donde escribes una contraseña directamente en la página sin que el modelo la vea, y los campos de contraseña del escritorio rechazan la escritura por defecto.
La parte de seguridad es honesta más que completa. El archivo de política puede bloquear Keychain Access o tu banco, los avisos de las reglas ask cuentan como un no si caducan a los dos minutos y un archivo no válido lo bloquea todo. Pero el README lo llama barandilla, no sandbox: un clic por coordenadas cae donde apunta y una captura de pantalla completa muestra todas las ventanas. Cualquier texto que lea el agente, desde una página web hasta un correo en Mail, es una posible inyección de prompt con todo tu escritorio detrás. No abre ningún puerto; el servidor habla stdio y llega a Chrome mediante un socket local o una tubería con nombre.
La pega: la entrada en segundo plano solo está garantizada en macOS. En Windows, las apps Chromium, Electron, WPF y UWP siguen necesitando el puntero real, y en Linux todas las acciones de puntero lo mueven, mientras que las apps nativas de Wayland no admiten clics por coordenadas. La extensión de Chrome hay que cargarla sin empaquetar en modo desarrollador. Con unas 37 estrellas, un contribuidor principal y una versión cada pocos días, espera arreglos rápidos y cambios rápidos.
Nuestra opinión: para un desarrollador que quiere que un agente registre gastos en una app de escritorio o rellene un formulario tras un inicio de sesión, es un punto de partida mejor construido que los servidores basados en capturas; conviene ejecutarlo con una cuenta de usuario aparte o una política de bloqueo por defecto hasta que tenga más historial.
Dónde se gana su sitio
Un asistente financiero de una empresa de 20 personas que usa una app de contabilidad de escritorio sin API
Introducir una pila de facturas de proveedores sin volver a teclear cada campo
El agente lee el formulario de la app con get_app_state, rellena campos por id de elemento y comprueba cada entrada con return_state. Gratis salvo los tokens del modelo; una política que bloquee Mail y el navegador lo mantiene centrado en la tarea.
Una ingeniera de QA que prueba una app Electron multiplataforma
Ejecutar la misma prueba básica en macOS, Windows y Linux
Como los nombres y esquemas de las herramientas son idénticos en cada sistema, un mismo prompt maneja los tres. En Windows y Linux el puntero real se moverá en las ventanas Electron, así que conviene usar equipos de sobra.
Un fundador en solitario que gestiona varios paneles SaaS tras inicio de sesión único
Llevar las cifras de la semana de tres paneles de administración a una nota
El agente abre su propio grupo de pestañas en el Chrome del fundador, lee cada página con browser_read e inicia sesión con browser_request_credentials cuando una sesión ha caducado. Marca las páginas de facturación y administración como ask en policy.json.
Antes de decidirte
- Puesta en marcha
- claude mcp add munim-computer-use -- npx -y munim-computer-use, que descarga el binario firmado en la primera ejecución; las configuraciones de Codex y Cursor están en el README. En macOS, ejecuta una vez munim-computer-use request-permissions para Accessibility y Screen Recording. Para las herramientas de navegador, carga chrome-extension/ sin empaquetar y ejecuta install-native-host.
- Integraciones
- 38 herramientas: ver (list_apps, get_app_state, screenshot, zoom, list_displays), actuar (click, type_text, set_value, press_key, drag, run_steps y otras), lectura y escritura del portapapeles y 19 herramientas de navegador como browser_read, browser_fill, browser_upload_file y browser_request_credentials. Casi todas son acciones de escritura; COMPUTER_USE_BROWSER=0 oculta el conjunto de navegador.
- Datos y privacidad
- Se ejecuta en local por stdio y no abre ningún puerto de red; el puente con Chrome usa un socket local o una tubería con nombre. El OCR se hace en el dispositivo. El agente puede leer y actuar en cada app y sitio con sesión que permita la política, además del portapapeles y los archivos locales que sube; las capturas y el texto de las páginas van a tu proveedor del modelo. El README no menciona telemetría y el repositorio no tiene avisos de seguridad.
- Coste a escala
- Gratis; el coste son los tokens del modelo. Según la prueba del proyecto, las lecturas de accesibilidad devuelven entre 1.0K y 2.0K tokens por ventana, mucho menos que un bucle de capturas, pero las tareas largas de escritorio siguen sumando muchas llamadas.
- Límites
- La entrada en segundo plano es de mejor esfuerzo en Windows y no existe para las acciones de puntero en Linux; las apps nativas de Wayland admiten acciones sobre elementos pero no clics por coordenadas. Los agentes en sandbox en Windows obtienen árboles vacíos y capturas negras. Solo Chrome, y la extensión debe cargarse sin empaquetar.
Lo bueno
- Árbol de accesibilidad con ids que fallan en vez de errar el objetivo
- Las mismas 38 herramientas en macOS, Windows y Linux
- Entrada en segundo plano en macOS; puntero del agente superpuesto
- Política allow, ask y block por app y por sitio
- La ventana de credenciales mantiene las contraseñas fuera del modelo
Lo malo
- El agente puede actuar como tú en cada app y sitio con sesión iniciada
- Entrada en segundo plano garantizada solo en macOS
- Extensión de Chrome sin empaquetar y con acceso debugger
- Dos meses de vida; pruebas de rendimiento autodeclaradas
Ideal para
Desarrolladores en macOS, Windows o Linux que quieren que un agente maneje apps de escritorio y sitios con sesión iniciada, y que escribirán antes una política de apps y sitios.
Alternativas a Munim Computer Use
Munim Computer Use: preguntas frecuentes
- ¿Merece la pena Munim Computer Use?
- Un servidor abierto de uso del ordenador bien diseñado, pero tiene dos meses y puede hacer todo lo que tú haces en tu escritorio, así que debe ganarse la confianza poco a poco. Le damos un 3.7 sobre 5.
- ¿Cuánto cuesta Munim Computer Use?
- Gratuito y de código abierto (Apache-2.0). Sin plan de pago; las llamadas al modelo se pagan a tu propio proveedor.
- ¿Qué inconvenientes tiene Munim Computer Use?
- El agente puede actuar como tú en cada app y sitio con sesión iniciada; entrada en segundo plano garantizada solo en macOS; extensión de Chrome sin empaquetar y con acceso debugger; dos meses de vida; pruebas de rendimiento autodeclaradas.
- ¿Para quién es Munim Computer Use?
- Desarrolladores en macOS, Windows o Linux que quieren que un agente maneje apps de escritorio y sitios con sesión iniciada, y que escribirán antes una política de apps y sitios.
- ¿Cuánto cuesta Munim Computer Use para un equipo o en producción?
- Gratis; el coste son los tokens del modelo. Según la prueba del proyecto, las lecturas de accesibilidad devuelven entre 1.0K y 2.0K tokens por ventana, mucho menos que un bucle de capturas, pero las tareas largas de escritorio siguen sumando muchas llamadas.
- ¿Es Munim Computer Use seguro para los datos de la empresa?
- Se ejecuta en local por stdio y no abre ningún puerto de red; el puente con Chrome usa un socket local o una tubería con nombre. El OCR se hace en el dispositivo. El agente puede leer y actuar en cada app y sitio con sesión que permita la política, además del portapapeles y los archivos locales que sube; las capturas y el texto de las páginas van a tu proveedor del modelo. El README no menciona telemetría y el repositorio no tiene avisos de seguridad.
- ¿Cuáles son las mejores alternativas a Munim Computer Use?
- Las alternativas más cercanas que hemos analizado son Playwright MCP, Chrome DevTools MCP y OpenTabs.
Respuestas comprobadas el 11 nov 2026.