Munim Computer Useとは？
Munim Computer Use は、あなた自身のコンピューター上のアプリをエージェントに操作させます。各ウィンドウのアクセシビリティツリー、つまりスクリーンリーダーが使うボタン、入力欄、ラベルの構造化された一覧を読み、クリック、入力、スクロールのための要素 id をエージェントに渡します。ラベルを公開しないアプリでは端末上の OCR に切り替えます。結果の確認にはスクリーンショットとズームツールを使います。控えめなエージェント用ポインターが操作中の場所を示し、macOS ではあなたのマウスを動かさずに対象ウィンドウへ入力を送ります。
macOS（Swift 製サーバー）、Windows と Linux（Rust 製サーバー）で動き、どの環境でも同じ 38 個のツールを備えます。任意の Chrome 拡張機能を Chrome のネイティブ メッセージング経由でつなぐと、ログイン済みの実際の Chrome 内のラベル付きタブグループで動く 19 個のブラウザーツールが加わります。policy.json ファイルで、アプリごと・サイトごとに allow、ask、block を設定します。
Munim Technologies（Munim, Inc.）が自社アプリ MT Code のコンピューター操作エンジンとして開発し、Apache-2.0 で単独公開しています。リポジトリは 2026年9月5日に作成され、スターは約 37、リリースは 30 回、v0.13.0 は 2026年11月6日に公開されました。
Munim Computer Useのインストール方法
npx -y munim-computer-useMunim Computer Useは使う価値があるか？
Munim Computer Use は基本をきちんと押さえています。スクリーンショットではなくアクセシビリティツリーを読むので、エージェントはピクセルを推測せずに名前の付いたボタンを押せ、視覚を持たないモデルでも動きます。id は操作のたびに再確認され、ダイアログのボタンが入れ替わっていれば誤ってクリックせずに呼び出しが失敗します。run_steps は操作リスト全体を検査してから実行を始めます。プロジェクト自身の 2026年11月4日のベンチマークでは、Windows でウィンドウ 1 つの読み取りに約 0.12 s、返すトークンは約 2.0K で、計測したすべての競合を上回りました。ただし数値は自己申告で、計測スクリプトは公開されていません。
Playwright や Chrome DevTools MCP との違いはブラウザー側にあります。これらのサーバーは別のブラウザーを起動しますが、Munim はあなたがすでにログインしてい る Chrome の中で専用のタブグループを使い、指定したタブを引き継ぐこともできます。拡張機能は Chrome の debugger 権限とすべての URL へのアクセス権を持つため、ログイン中のものは何でもエージェントが読み、操作できます。目を引く安全策が 2 つあります。browser_request_credentials はモデルに見せずにパスワードをページへ直接入力できるウィンドウを開き、デスクトップのパスワード欄は既定で入力を拒否します。
セキュリティの説明は誠実ですが、万全ではありません。ポリシーファイルで Keychain Access や銀行をブロックでき、ask ルールの確認は 2 分間応答がなければ拒否とみなされ、不正なファイルはすべてをブロックします。しかし README 自身がこれをサンドボックスではなくガードレールと呼んでいます。座標クリックは指した場所に落ち、全画面のスクリーンショットにはすべてのウィンドウが写ります。ウェブページから Mail のメールまで、エージェントが読むテキストはどれも、デスクトップ全体を背にしたプロンプトインジェクションになり得ます。ポートは開きません。サーバーは stdio で通信し、ローカルソケットまたは名前付きパイプで Chrome に届きます。
注意点：バックグラウンド入力が保証されるのは macOS だけです。Windows では Chromium、Electron、WPF、UWP のアプリは実際のポインターを必要とし、Linux ではすべてのポインター操作でポインターが動きます。ネイティブの Wayland アプリでは座標クリックができません。Chrome 拡張機能はデベロッパーモードでパッケージ化せずに読み込む必要があります。スターは約 37、主な開発者は 1 人、数日おきにリリースがあるため、修正も変更 も速いと考えてください。
結論：デスクトップアプリで経費を入力させたり、ログインの先のフォームを埋めさせたりしたい開発者にとって、スクリーンショット頼みのサーバーより作りのよい出発点です。実績が積み上がるまでは、別のユーザーアカウントか既定でブロックするポリシーの下で動かしましょう。
真価を発揮する場面
API のないデスクトップ会計アプリを使う従業員 20 人の会社の経理担当
仕入先の請求書の束を、項目を打ち直さずに入力する
エージェントが get_app_state でアプリの入力画面を読み、要素 id で項目を埋め、return_state で各入力を確認します。モデルのトークン代以外は無料で、Mail とブラウザーをブロックするポリシーを置けば作業から逸れません。
クロスプラットフォームの Electron アプリをテストする QA エンジニア
同じスモークテストを macOS、Windows、Linux で実行する
ツール名とスキーマがどの OS でも同一なので、1 つのプロンプトで 3 つを操作できます。Windows と Linux の Electron ウィンドウでは実際のポインターが動くため、予備のマシンで実行しましょう。
シングルサインオンの先にある複数の SaaS ダッシュボードを管理する 1 人創業者
3 つの管理画面から今週の数字をメモにまとめる
エージェントは創業者の Chrome に専用のタブグループを開き、browser_read で各ページを読み、セッションが切れていれば browser_request_credentials でログインします。請求と管理のページは policy.json で ask にしておきます。
導入前に確認すること
- 導入
- claude mcp add munim-computer-use -- npx -y munim-computer-use を実行すると、初回起動時に署名済みバイナリを取得します。Codex と Cursor の設定は README にあります。macOS では munim-computer-use request-permissions を一度実行して Accessibility と Screen Recording を許可します。ブラウザーツールを使うには chrome-extension/ を未パッケージで読み込み、install-native-host を実行します。
- 連携
- ツールは 38 個です。見る（list_apps、get_app_state、screenshot、zoom、list_displays）、操作する（click、type_text、set_value、press_key、drag、run_steps など）、クリップボードの読み書き、そして browser_read、browser_fill、browser_upload_file、browser_request_credentials などのブラウザーツール 19 個があります。ほぼすべてが書き込み操作で、COMPUTER_USE_BROWSER=0 でブラウザー系を非表示にできます。
- データとプライバシー
- stdio でローカル実行され、ネットワークポートは開きません。Chrome とのブリッジにはローカルソケットか名前付きパイプを使います。OCR は端末上で処理されます。エージェントは、ポリシーが許すすべてのアプリとログイン済みサイトに加え、クリップボードやアップロードするローカルファイルにも触れられます。スクリーンショットとページのテキストはモデルのプロバイダーに送られます。README にテレメトリーの記載はなく、リポジトリにセキュリティアドバイザリーもありません。
- 大規模利用時のコスト
- 無料で、費用はモデルのトークンです。プロジェクトのベンチマークでは、アクセシビリティの読み取りはウィンドウ 1 つあたり約 1.0K〜2.0K トークンで、スクリーンショットを繰り返すよりはるかに少なくて済みます。それでも長いデスクトップ作業では呼び出し回数がかさみます。
- 制限
- バックグラウンド入力は Windows では最善努力にとどまり、Linux のポインター操作では使えません。ネイティブ Wayland アプリでは要素操作はできても座標クリックはできません。Windows のサンドボックス内のエージェントでは、ツリーが空になりスクリーンショットが真っ黒になります。Chrome のみで、拡張機能は未パッケージで読み込む必要があります。
良い点
- アクセシビリティツリーの id は誤操作せずに失敗する
- macOS、Windows、Linux で同じ 38 個のツール
- macOS ではバックグラウンド入力、エージェント用ポインター表示
- アプリ・サイトごとの allow、ask、block ポリシー
- 資格情報ウィンドウでパスワードをモデルから隠す
気になる点
- ログイン中のあらゆるアプリとサイトでエージェントがあなたとして動ける
- バックグラウンド入力の保証は macOS のみ
- Chrome 拡張機能は未パッケージで読み込み、debugger 権限を持つ
- 公開から 2 か月、ベンチマークは自己申告
おすすめの人
macOS、Windows、Linux で、デスクトップアプリやログイン済みサイトをエージェントに操作させたい開発者で、先にアプリとサイトのポリシーを書く人。
Munim Computer Useの代替
Munim Computer Use：よくある質問
- Munim Computer Useは使う価値があるか？
- 丁寧に設計されたオープンなコンピューター操作サーバーですが、公開から 2 か月で、あなたが机でできることは何でもできてしまうため、信頼はゆっくり築くべきです。 評価は5点満点中3.7点です。
- Munim Computer Useの料金は？
- 無料のオープンソース（Apache-2.0）。有料プランはなく、モデルの呼び出し料金は自分のプロバイダーに支払います。
- Munim Computer Useの欠点は？
- ログイン中のあらゆるアプリとサイトでエージェントがあなたとして動ける; バックグラウンド入力の保証は macOS のみ; Chrome 拡張機能は未パッケージで読み込み、debugger 権限を持つ; 公開から 2 か月、ベンチマークは自己申告.
- Munim Computer Useは誰に向いているか？
- macOS、Windows、Linux で、デスクトップアプリやログイン済みサイトをエージェントに操作させたい開発者で、先にアプリとサイトのポリシーを書く人。
- チームや本番環境でMunim Computer Useを使うと費用はいくらか？
- 無料で、費用はモデルのトークンです。プロジェクトのベンチマークでは、アクセシビリティの読み取りはウィンドウ 1 つあたり約 1.0K〜2.0K トークンで、スクリーンショットを繰り返すよりはるかに少なくて済みます。それでも長いデスクトップ作業では呼び出し回数がかさみます。
- Munim Computer Useは企業データを扱っても安全か？
- stdio でローカル実行され、ネットワークポートは開きません。Chrome とのブリッジにはローカルソケットか名前付きパイプを使います。OCR は端末上で処理されます。エージェントは、ポリシーが許すすべてのアプリとログイン済みサイトに加え、クリップボードやアップロードするローカルファイルにも触れられます。スクリーンショットとページのテキストはモデルのプロバイダーに送られます。README にテレメトリーの記載はなく、リポジトリにセキュリティアドバイザリーもありません。
- Munim Computer Useの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はPlaywright MCP, Chrome DevTools MCP 、 OpenTabsです。
回答確認日：2026年11月11日