Co jest na ekranie
Pulpit jest częścią naszego szablonu base: serwer X (Xvfb) w 1280×800, menedżer okien openbox, panel tint2, stabilny Google Chrome, xterm i fonty Noto z CJK i emoji. Nic z tego nie działa, dopóki o to nie poprosisz: pierwsze wywołanie control_desktop albo pierwszy link do pulpitu go uruchamia, co trwa kilka sekund. Do tej chwili nie zajmuje pamięci.
Chrome jest ustawiony pod agenta: bez stron pierwszego uruchomienia, bez pytań o domyślną przeglądarkę i wyszukiwarkę, bez logowania, synchronizacji, menedżera haseł, autouzupełniania, tłumaczenia i metryk, i bez żadnego z wbudowanych rozszerzeń, które trzymają strony w tle. Rysuje bez GPU. Naszą bazę budujemy od nowa co miesiąc, a od razu przy poprawce bezpieczeństwa Chrome; sandbox zostaje przy wersji, z którą wystartował.
Computer use jednym wywołaniem: akcje, potem zrzut ekranu
control_desktop przyjmuje listę akcji i wykonuje je po kolei: kliknięcie w punkt (lewym, prawym albo środkowym przyciskiem, podwójne, z wciśniętymi klawiszami, takimi jak shift), ruch kursora, przeciągnięcie po ścieżce, przewijanie, wpisanie tekstu, wciśnięcie klawiszy naraz (Return, ctrl+l, ctrl+shift+t) i czekanie przez podaną liczbę milisekund. Potem odpowiada jednym PNG ekranu w stanie, w jakim zostawiły go akcje, i położeniem kursora. Bez akcji to po prostu zrzut ekranu.
Zatrzymuje się na pierwszej akcji, która się nie uda, i mówi, ile wykonano, z powodem, na którym można oprzeć logikę: punkt poza ekranem albo nieznana nazwa klawisza. Współrzędne to piksele ekranu od lewego górnego rogu, więc model odczytuje je z ostatniego zrzutu, a każdy krok modelu to jedna podróż w obie strony: kliknięcia i obraz, do którego prowadzą, wracają razem.
from pethost.sandboxes import Click, DesktopAction, Sandboxes
sandboxes = Sandboxes() # czyta 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)) # punkt odczytany ze zrzutu ekranu
answer = sandboxes.control_desktop(box.sandbox_id, actions=[click])pethost sandbox new --name browser --size default
pethost sandbox open browser --desktop # na żywo, w twojej przeglądarce
pethost sandbox open browser --desktop --view-only # tylko do oglądaniaOglądaj albo przejmij sterowanie
Link do pulpitu otwiera ekran na żywo w przeglądarce. Możesz w nim klikać i pisać, więc człowiek może wkroczyć tam, gdzie agent go potrzebuje, na przykład przy logowaniu, i oddać ekran z powrotem; albo ustaw go tylko do podglądu i pokaż we własnym produkcie. Link działa domyślnie godzinę, a najwyżej dzień, i dopóki jest otwarty, sandbox nie zasypia. Strona każdego sandboxa w konsoli webowej ma zakładkę Pulpit z tym samym ekranem.
Ten sam sandbox uruchamia polecenia, edytuje pliki i wystawia porty, więc agent może uruchomić aplikację przez run_command i wypróbować ją w Chrome pod localhost, wszystko w jednej maszynie wirtualnej.
Limity i ceny
Jeden ekran, 1280×800, w każdym sandboxie. Wywołanie control_desktop liczy się za 16 z 64 wywołań, które sandbox obsługuje naraz, a jego zrzut ekranu może mieć do 17 MiB. Chrome i pulpit działają w ramach rozmiaru sandboxa, rozliczanego co do sekundy: 0,018 $ za godzinę dla SMALL (2 vCPU, 4 GiB), 0,036 $ dla DEFAULT (4 vCPU, 8 GiB). Po 5 minutach bezczynności, gdy nikt nie patrzy, sandbox wstrzymuje się za 30% tej ceny z Chrome w pamięci: jego karty, ciasteczka i otwarta strona są na miejscu, gdy się obudzi.
Jak to wypada na tle innych
E2B i Daytona też oferują pulpity, na sandboxach, które 21 listopada 2026 kosztowały 0,1656 $ za godzinę przy 2 vCPU i 4 GiB; SMALL w Pethost to 0,018 $. boat.dev przesyła pulpit na żywo w cenach zbliżonych do naszych, ale nie zachowuje pamięci przeglądarki, gdy czeka: boat.dev nie ma wstrzymania.