Español
Empezar

Agent Sandboxes Un escritorio con Chrome

Un escritorio con Chrome para agentes de computer use

Un modelo que usa un equipo necesita una pantalla, un puntero y un navegador. Cada sandbox los tiene: un escritorio de 1280×800 con Google Chrome, que se inicia con la primera llamada que lo necesita y no tiene precio propio.

Qué hay en la pantalla

El escritorio forma parte de nuestra plantilla base: un servidor X (Xvfb) a 1280×800, el gestor de ventanas openbox, un panel tint2, Google Chrome estable, un xterm y las fuentes Noto con CJK y emoji. Nada de esto se ejecuta hasta que lo pides: la primera llamada a control_desktop, o el primer enlace al escritorio, lo inicia, lo que tarda unos segundos. Hasta entonces no ocupa memoria.

Chrome viene configurado para un agente: sin páginas de primer uso, sin preguntas de navegador o buscador predeterminado, sin inicio de sesión, sincronización, gestor de contraseñas, autocompletado, traducción ni métricas, y sin las extensiones integradas que mantienen páginas en ejecución en segundo plano. Dibuja sin GPU. Nuestra base se reconstruye cada mes, y al momento ante un parche de seguridad de Chrome; un sandbox conserva la versión con la que se inició.

Computer use en una llamada: acciones y luego una captura

control_desktop recibe una lista de acciones y las hace en orden: hacer clic en un punto (botón izquierdo, derecho o central, doble clic, con teclas pulsadas como shift), mover el puntero, arrastrar por un recorrido, desplazarse, escribir texto, pulsar teclas a la vez (Return, ctrl+l, ctrl+shift+t) y esperar un número de milisegundos. Después responde con un PNG de la pantalla tal como la dejaron las acciones, y dónde está el puntero. Sin acciones, es solo la captura.

Se detiene en la primera acción que falla y dice cuántas se hicieron, con un motivo sobre el que decidir: un punto fuera de la pantalla o un nombre de tecla que no conoce. Las coordenadas son los píxeles de la pantalla desde arriba a la izquierda, así que un modelo las lee de la última captura, y cada paso del modelo es un solo viaje de ida y vuelta: los clics y la imagen a la que llevan vuelven juntos.

from pethost.sandboxes import Click, DesktopAction, Sandboxes

sandboxes = Sandboxes()  # lee PETHOST_TOKEN
box = sandboxes.create_sandbox()
answer = sandboxes.control_desktop(box.sandbox_id, actions=[
    DesktopAction(press_keys="ctrl+l"),
    DesktopAction(type_text="example.com"),
    DesktopAction(press_keys="Return"),
    DesktopAction(wait_ms=2000),
])
shot = answer.screenshot
open("screen.png", "wb").write(shot.image)
print(shot.width, shot.height)  # 1280 800

click = DesktopAction(click=Click(x=640, y=400))  # un punto leído de la captura
answer = sandboxes.control_desktop(box.sandbox_id, actions=[click])
pethost sandbox new --name browser --size default
pethost sandbox open browser --desktop              # en tiempo real, en tu navegador
pethost sandbox open browser --desktop --view-only  # solo para mirar

Míralo, o toma el control

Un enlace al escritorio abre la pantalla en tiempo real en un navegador. Puedes hacer clic y escribir en ella, así que una persona puede intervenir donde el agente la necesita, como en un inicio de sesión, y devolverle la pantalla; o hacerlo de solo lectura y mostrarlo en tu propio producto. Un enlace dura una hora por defecto y un día como máximo, y mientras está abierto el sandbox sigue despierto. La página de cada sandbox en el panel web tiene una pestaña Escritorio con la misma pantalla.

El mismo sandbox ejecuta comandos, edita archivos y sirve puertos, así que un agente puede iniciar una app con run_command y probarla en Chrome en localhost, todo en una VM.

Límites y precios

Una pantalla, de 1280×800, en cada sandbox. Una llamada a control_desktop cuenta como 16 de las 64 llamadas que un sandbox atiende a la vez, y su captura puede ocupar hasta 17 MiB. Chrome y el escritorio se ejecutan dentro del tamaño del sandbox, facturado por segundo: 0,018 US$ la hora para SMALL (2 vCPU, 4 GiB), 0,036 US$ para DEFAULT (4 vCPU, 8 GiB). Tras 5 minutos inactivo y sin nadie mirando, un sandbox se pausa al 30 % de ese precio con Chrome en memoria: sus pestañas, sus cookies y la página en la que estaba siguen ahí cuando despierta.

Cómo se compara

E2B y Daytona también ofrecen escritorios, en sandboxes que costaban 0,1656 US$ la hora con 2 vCPU y 4 GiB el 21 de noviembre de 2026; el SMALL de Pethost cuesta 0,018 US$. boat.dev transmite un escritorio a precios cercanos a los nuestros, pero no conserva la memoria de un navegador mientras espera: boat.dev no tiene pausa.

Leer la documentación

Preguntas

¿Qué navegador tiene el sandbox de computer use?

Google Chrome, del canal estable, tal como estaba en la base desde la que se inició el sandbox.

¿De qué tamaño es la pantalla?

1280×800 píxeles, igual en cada sandbox.

¿El escritorio cuesta aparte?

No. Se ejecuta dentro del tamaño del sandbox, y no ocupa memoria hasta que algo lo inicia.

¿Puede una persona tomar el control?

Sí: un enlace al escritorio es interactivo salvo que lo hagas de solo lectura, y la pestaña Escritorio del panel web también muestra la pantalla.

¿El agente también puede usar una terminal?

Sí. El mismo sandbox ejecuta comandos y ediciones de archivos, y Claude Code, Codex y OpenCode vienen instalados en él.

Relacionado

Dale a tu agente una VM en 0,15 s

Empezar la prueba gratis