Что на экране
Рабочий стол входит в наш шаблон base: X-сервер (Xvfb) на 1280×800, оконный менеджер openbox, панель tint2, стабильный Google Chrome, xterm и шрифты Noto с CJK и эмодзи. Ничего из этого не работает, пока вы не попросите: первый вызов control_desktop или первая ссылка на рабочий стол запускают его, на это уходит несколько секунд. До тех пор он не занимает памяти.
Chrome настроен для агента: никаких страниц первого запуска, вопросов о браузере по умолчанию или поисковике, никакого входа, синхронизации, менеджера паролей, автозаполнения, перевода и метрик и никаких встроенных расширений, которые держат страницы в фоне. Он рисует без GPU. Нашу базу мы пересобираем каждый месяц, а при исправлении безопасности в Chrome — сразу; песочница остается на той версии, с которой запустилась.
Computer use за один вызов: действия, потом скриншот
control_desktop принимает список действий и выполняет их по порядку: клик в точке (левой, правой или средней кнопкой, двойной, с зажатыми клавишами, например shift), движение указателя, перетаскивание по пути, прокрутка, ввод текста, одновременное нажатие клавиш (Return, ctrl+l, ctrl+shift+t) и ожидание заданного числа миллисекунд. Потом он отвечает одним PNG экрана в том виде, в каком его оставили действия, и положением указателя. Без действий это просто скриншот.
Он останавливается на первом действии, которое не удалось, и сообщает, сколько выполнено, с причиной, на которую может реагировать код: точка за пределами экрана или незнакомое имя клавиши. Координаты — пиксели экрана от левого верхнего угла, поэтому модель считывает их с последнего скриншота, и каждый шаг модели — один запрос и ответ: клики и картинка, к которой они привели, приходят вместе.
from pethost.sandboxes import Click, DesktopAction, Sandboxes
sandboxes = Sandboxes() # читает 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)) # точка, считанная со скриншота
answer = sandboxes.control_desktop(box.sandbox_id, actions=[click])pethost sandbox new --name browser --size default
pethost sandbox open browser --desktop # вживую, в вашем браузере
pethost sandbox open browser --desktop --view-only # только смотретьСмотрите или берите управление
Ссылка на рабочий стол открывает экран вживую в браузере. В нем можно кликать и печатать, так что человек может вмешаться там, где агенту это нужно, например при входе, и вернуть экран обратно; или можно сделать ссылку только для просмотра и показывать экран в своем продукте. По умолчанию ссылка живет час, максимум — сутки, и пока она открыта, песочница не засыпает. На странице каждой песочницы в панели есть вкладка «Рабочий стол» с тем же экраном.
Та же песочница выполняет команды, правит файлы и отдает порты, так что агент может запустить приложение через run_command и попробовать его в Chrome на localhost, все в одной ВМ.
Ограничения и цены
Один экран 1280×800 в каждой песочнице. Вызов control_desktop считается за 16 из 64 вызовов, которые песочница обслуживает одновременно, а его скриншот может весить до 17 MiB. Chrome и рабочий стол работают в пределах размера песочницы, с посекундной оплатой: 0,018 $ в час для SMALL (2 vCPU, 4 GiB), 0,036 $ для DEFAULT (4 vCPU, 8 GiB). После 5 минут простоя, когда никто не смотрит, песочница встает на паузу за 30% от этой цены вместе с Chrome в памяти: ее вкладки, cookies и открытая страница на месте, когда она просыпается.
Сравнение с другими
E2B и Daytona тоже предлагают рабочие столы — на песочницах, которые 21 ноября 2026 года стоили 0,1656 $ в час за 2 vCPU и 4 GiB; SMALL в Pethost стоит 0,018 $. boat.dev транслирует рабочий стол по ценам, близким к нашим, но не сохраняет память браузера, пока тот ждет: у boat.dev нет паузы.