Що на екрані
Робочий стіл входить у наш шаблон base: X-сервер (Xvfb) на 1280×800, віконний менеджер openbox, панель tint2, Google Chrome stable, xterm і шрифти Noto з CJK та емодзі. Ніщо з цього не працює, доки ви не попросите: його запускає перший виклик control_desktop або перше посилання на робочий стіл, і це займає кілька секунд. Доти він не займає пам’яті.
Chrome налаштовано для агента: без сторінок першого запуску, без запитань про типовий браузер чи пошукову систему, без входу, синхронізації, менеджера паролів, автозаповнення, перекладу чи метрик і без вбудованих розширень, що тримають сторінки у фоні. Він малює без GPU. Нашу базу перезбирають щомісяця, а для виправлення безпеки Chrome — одразу; пісочниця зберігає версію, з якою стартувала.
Керування комп’ютером одним викликом: дії, потім скриншот
control_desktop приймає список дій і виконує їх по черзі: клацнути в точці (лівою, правою чи середньою кнопкою, подвійним клацанням, з утримуваними клавішами на кшталт shift), перемістити вказівник, перетягнути вздовж шляху, прокрутити, ввести текст, натиснути клавіші разом (Return, ctrl+l, ctrl+shift+t) і почекати задану кількість мілісекунд. Потім він відповідає одним PNG екрана в тому стані, у якому його лишили дії, і позицією вказівника. Без дій це просто скриншот.
Він зупиняється на першій дії, що не вдалася, і каже, скільки дій виконано, із причиною, за якою можна розгалужувати логіку: точка за межами екрана або невідома назва клавіші. Координати — це пікселі екрана від лівого верхнього кута, тож модель зчитує їх з останнього скриншота, і кожен крок моделі — це один обмін запитом і відповіддю: клацання й картинка, до якої вони ведуть, повертаються разом.
from pethost.sandboxes import Click, DesktopAction, Sandboxes
sandboxes = Sandboxes() # читає 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, зчитана зі скриншота
answer = sandboxes.control_desktop(box.sandbox_id, actions=[click])pethost sandbox new --name browser --size default
pethost sandbox open browser --desktop # наживо, у вашому браузері
pethost sandbox open browser --desktop --view-only # лише для переглядуДивіться або перехоплюйте керування
Посилання на робочий стіл відкриває екран наживо в браузері. У ньому можна клацати й друкувати, тож людина може втрутитися там, де вона потрібна агентові, наприклад під час входу, і повернути екран; або зробіть посилання лише для перегляду й показуйте екран у власному продукті. Посилання типово діє годину, щонайбільше добу, і поки воно відкрите, пісочниця не засинає. На сторінці кожної пісочниці у вебпанелі є вкладка «Робочий стіл» із тим самим екраном.
Та сама пісочниця виконує команди, редагує файли й обслуговує порти, тож агент може запустити застосунок через run_command і випробувати його в Chrome на localhost, усе в одній ВМ.
Ліміти й ціни
Один екран, 1280×800, у кожній пісочниці. Виклик control_desktop рахується як 16 із 64 викликів, які пісочниця обслуговує одночасно, а його скриншот може важити до 17 MiB. Chrome і робочий стіл працюють у межах розміру пісочниці, з посекундною оплатою: 0,018 $ на годину для SMALL (2 vCPU, 4 GiB), 0,036 $ для DEFAULT (4 vCPU, 8 GiB). Після 5 хв простою, коли ніхто не дивиться, пісочниця стає на паузу за 30 % цієї ціни з Chrome у пам’яті: його вкладки, cookies і відкрита сторінка будуть на місці після пробудження.
Порівняння з іншими
E2B і Daytona теж пропонують робочі столи, на пісочницях, що 21 листопада 2026 року коштували 0,1656 $ на годину за 2 vCPU і 4 GiB; SMALL у Pethost коштує 0,018 $. boat.dev транслює робочий стіл за цінами, близькими до наших, але не зберігає пам’ять браузера, поки той чекає: у boat.dev немає паузи.