O que há na tela
O desktop faz parte do nosso template base: um servidor X (Xvfb) em 1280×800, o gerenciador de janelas openbox, um painel tint2, o Google Chrome estável, um xterm e as fontes Noto com CJK e emoji. Nada disso roda até você pedir: a primeira chamada a control_desktop, ou o primeiro link de desktop, o inicia, o que leva alguns segundos. Até lá, não ocupa memória.
O Chrome está configurado para um agente: sem páginas de primeira execução, sem perguntas sobre navegador padrão ou buscador, sem login, sincronização, gerenciador de senhas, preenchimento automático, tradução ou métricas, e sem as extensões embutidas que mantêm páginas rodando em segundo plano. Ele desenha sem GPU. Nossa base é refeita todo mês, e na hora para uma correção de segurança do Chrome; um sandbox mantém a versão com que iniciou.
Uso do computador em uma chamada: ações, depois uma captura de tela
control_desktop recebe uma lista de ações e as faz em ordem: clicar em um ponto (botão esquerdo, direito ou do meio, clique duplo, com teclas pressionadas como shift), mover o ponteiro, arrastar por um caminho, rolar, digitar texto, apertar teclas juntas (Return, ctrl+l, ctrl+shift+t) e esperar alguns milissegundos. Depois responde com um PNG da tela como as ações a deixaram, e onde está o ponteiro. Sem ações, é só a captura de tela.
Ele para na primeira ação que falha e diz quantas foram feitas, com um motivo que o seu código pode tratar: um ponto fora da tela, ou um nome de tecla que ele não conhece. As coordenadas são os pixels da tela a partir do canto superior esquerdo, então um modelo as lê da última captura de tela, e cada passo do modelo é uma ida e volta: os cliques e a imagem a que eles levam voltam juntos.
from pethost.sandboxes import Click, DesktopAction, Sandboxes
sandboxes = Sandboxes() # lê o 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)) # um ponto lido da captura de tela
answer = sandboxes.control_desktop(box.sandbox_id, actions=[click])pethost sandbox new --name browser --size default
pethost sandbox open browser --desktop # ao vivo, no seu navegador
pethost sandbox open browser --desktop --view-only # só para assistirAssista, ou assuma o controle
Um link de desktop abre a tela ao vivo em um navegador. Você pode clicar e digitar nela, então uma pessoa pode entrar onde o agente precisa de uma, como em um login, e devolver a tela; ou deixar o link só para ver e mostrá-lo no seu próprio produto. Um link dura uma hora por padrão e um dia no máximo, e enquanto está aberto o sandbox fica acordado. A página de cada sandbox no painel web tem uma aba Desktop com a mesma tela.
O mesmo sandbox roda comandos, edita arquivos e serve portas, então um agente pode iniciar um app com run_command e testá-lo no Chrome em localhost, tudo em uma VM.
Limites e preços
Uma tela, 1280×800, em todo sandbox. Uma chamada a control_desktop conta como 16 das 64 chamadas que um sandbox atende ao mesmo tempo, e a captura de tela dela pode ter até 17 MiB. O Chrome e o desktop rodam dentro do tamanho do sandbox, cobrado por segundo: US$ 0,018 por hora para SMALL (2 vCPU, 4 GiB), US$ 0,036 para DEFAULT (4 vCPU, 8 GiB). Ocioso por 5 minutos, sem ninguém assistindo, um sandbox pausa por 30% desse preço com o Chrome na memória: as abas, os cookies e a página em que estava continuam lá quando ele acorda.
Como se compara
O E2B e o Daytona também oferecem desktops, em sandboxes que custavam US$ 0,1656 por hora com 2 vCPU e 4 GiB em 21 de novembro de 2026; o SMALL do Pethost custa US$ 0,018. O boat.dev transmite um desktop a preços próximos dos nossos, mas não guarda a memória de um navegador enquanto ele espera: o boat.dev não tem pausa.