Google 把“让模型替你点鼠标”这件事，从预览版做成了正式产品。10 月 30 日，Gemini API 的 Computer Use 工具正式可用（GA），同时覆盖 Interactions 和 GenerateContent 两套 API。对一直盯着 agent 落地的开发者来说，这个时间点比功能本身更值得看：屏幕操作不再只是实验室里的玩具，而是被 Google 摆进了生产工具序列。
机制其实不神秘。模型看着屏幕截图，输出点击、输入、滚动这类动作，由开发者在自己的沙箱里执行，再把结果回传。难的部分从来不是“能不能点”，而是“点错了怎么办”。GA 之前，这条链路更像 demo；GA 之后，它要面对真实业务里的表单、弹窗和权限边界。Google 把工具升级为正式能力，等于承认这类代理会长期存在。那么提示注入、误操作、审计留痕这些事，就得由接入方自己承担起来，官方不会替你兜底。
冲击最直接的领域是 RPA。传统自动化脚本一遇到界面改版就崩，视觉代理理论上能自己找路，这让流程自动化的“最后一公里”第一次显得没那么脆弱。但别急着挪采购预算：延迟、token 成本、失败重试的隐性开销，都得在自家流程里跑过才算数。Computer Use 进入 GA，真正的信号是——AI 操作界面这件事，正在从演示阶段走进基础设施层。
