睦と主要 LLM の
PC 操作機能の違い。
Claude、OpenAI、Gemini の computer use はモデル側の機能です。モデルがスクリーンショットを見てマウスとキーボードの操作を返し、実行は導入側のプログラムが担います。睦は操作を実行するツール群で、これらのモデルから MCP 経由で利用できます。どちらか一方を選ぶ必要はなく、組み合わせて使えます。
6 項目の比較
| 項目 | モデル標準の computer use | 睦 Mu-AI |
|---|---|---|
| 位置づけ | モデルのツールインターフェースです。モデルが操作を返し、導入側のプログラムが実行します。 | 操作を実行するツール群です。47 種類のツールを MCP で AI クライアントに提供します。 |
| 画面の読み取り方 | 主にスクリーンショットを使い、モデルが座標とキー操作を判断します。モデルがコードを書いて操作する方式もあります。 | ビジョン、デスクトップアプリの画面構造、ウェブページの内容の 3 つから、環境に合わせて選べます。 |
| 実行環境 | ブラウザー、仮想デスクトップ、コンテナーを導入側が用意し、操作を実行するプログラムも作成します。 | いまお使いのパソコンで動きます。Android と iOS の端末を含む 6 種類の OS に対応します。 |
| 使えるモデル | 各社のツールは自社のモデルと組み合わせて使います。 | 対応リストに 15 種類の AI クライアントがあり、特定のモデルベンダーに縛られません。 |
| 監査と制御 | 実行側の記録、一時停止、権限は、主に導入側で構築します。 | 監査ログは初期設定で有効で、機密性の高い入力は伏せて記録します。ワンクリックで一時停止でき、「送信」は禁止に設定できます。 |
| 繰り返しの業務 | 実行のたびに、モデルが 1 手ずつ判断します。 | 覚えた手順をそのまま実行し、1 手ごとに確認します。デモの 73 ステップは約 49 秒で完了します。 |
各社が公開している開発者向けドキュメントをもとに整理しました。機能は更新されるため、導入前に公式ドキュメントをご確認ください。 内容の確認日
各社の標準機能
- Claude(Anthropic)
- computer use ツールが求める操作は、すべて導入側のアプリケーションが実行します。スクリーンショット、クリック、入力、部分拡大などです。表示環境も導入側で用意します。
- OpenAI
- モデルがマウスとキーボードの操作を返すか、画面を操作するコードを書きます。導入側のアプリケーションが隔離したブラウザーやデスクトップで実行し、スクリーンショットを返します。
- Gemini(Google)
- ドキュメントにはブラウザー、モバイル、デスクトップの 3 つの環境が挙げられており、使える範囲はモデルのバージョンによります。操作はクライアント側のコードが実行し、サンドボックスでの実行が推奨されています。
選び方
- 標準機能だけで使う
作業がブラウザーや 1 つのサンドボックスで完結し、実行環境と記録を自社で開発できる場合。 - 睦を加える
既存のデスクトップソフトや古いシステム、複数の OS を操作し、監査ログ、一時停止、人による確認が必要な場合。 - 組み合わせる
判断はお選びのモデルが担い、画面の読み取りと操作の実行は睦が担います。
よくあるご質問
- 睦は別の AI モデルですか?
- いいえ。睦は PC 操作のためのツール群です。判断は、お選びの AI クライアントとモデルが担います。
- Claude Code、Codex、Gemini CLI を使っています。睦を追加できますか?
- できます。いずれも対応リストにあり、MCP で接続します。導入前にバージョンと接続条件を確認します。
- 画面はモデルの提供元に送られますか?
- 睦はお手元のパソコンで動きます。画面が組織の外に出るかどうかは、接続するモデルによります。クラウドのモデルを使う場合は画面の内容がそのサービスに送られ、ビジョンモデルを組織内のサーバーに置く場合は内部にとどまります。
ご自身の業務で
比べてみませんか。
翔耀實業股份有限公司 × 賀舟有限公司