Agents for Windows

Was ist ein Dachfenster?

Skylight ist ein auf AI-Agenten und Entwickler ausgerichteter Service für gehostete Windows-Virtuellrechner, der auf der offiziellen Website als „Agents for Windows“ bezeichnet wird. Entwickler können Windows-Instanzen nach Bedarf starten, sodass eingebaute Agenten oder eigene Agenten über APIs den Bildschirm beobachten, Klicks ausführen, Eingaben tätigen und Workflows von Desktop-Anwendungen abwickeln können.

Es löst das Problem der fehlenden APIs oder Automatisierungsanschlüsse in herkömmlichen Windows-Softwarelösungen, insbesondere für Geschäftsprozesse, die nur über eine grafische Benutzeroberfläche bedient werden können. Die Plattform bietet Echtzeitanzeigen, manuelle Übernahme sowie Bestätigung von zerstörerischen Aktionen, doch für Produktionsaufgaben sind weiterhin zusätzliche Berechtigungen, Audits und Ergebniskontrollen erforderlich.

Kernfunktionen

• Erstellen und Verwalten von gehosteten Windows-Virtuellen Maschinen nach Bedarf
• Verwenden Sie natürliche Sprache, um den eingebauten Agenten zur Ausführung von Desktop-Aufgaben zu verwenden.
• Über API versenden von Screenshoten, Klicks, Drag-Operationen, Eingaben und Tastenkombinationen
• Windows-Anwendungen, die für die Installationsaufgabe benötigt werden
• Echtzeit-Überwachung der Agentenaktionen und sofortige manuelle Übernahme
• Beibehaltung des Fortschritts bei Beenden und Wiederherstellen von Instanzen
• Dateien auf einen virtuellen Computer hochladen oder die Ergebnisse herunterladen
• Paralleler Betrieb mehrerer Windows-Instanzen erhöht die Durchsatzleistung der Aufgaben
• Verwendung von Python, TypeScript SDK und MCP zur Anbindung an Agentensysteme
• Aktivierung der Bestätigung durch einen Menschen im Prozess für hochriskante Abläufe

Wirkungsprinzip

Windows-Virtuellrechner

Jeder Skylight Computer ist eine über die Ferne steuerbare Windows-Umgebung, in der Anwendungen für den jeweiligen Workflow installiert werden können und deren Zustand gespeichert wird. Die Instanzen können gestartet, pausiert, wiederbelebt oder beendet werden. Selbst in der Pausenphase entstehen weiterhin geringere Kosten für Speicherung und Aufrechterhaltung.

• Isolierte Instanzen für verschiedene Kunden und Aufgaben erstellen
• Installation von Desktop-Anwendungen, Browsern und internen Tools
• Anwendungskonfiguration, Anmeldezustand und erstellte Dateien speichern
• Startet bei Bedarf und schläft in Ruhephasen.
• Überprüfung des aktuellen Desktop-Zustands durch Echtzeit-Stream
• Nach Abschluss der Aufgabe wird die Instanz beendet und die Daten bereinigt.

Integrierter Windows-Agent

Der eingebaute Agent kann Anweisungen in natürlicher Sprache erhalten und die Aufgaben schrittweise auf der Grundlage des Bildschirminhalts ausführen. Jeder Schritt des Agents beinhaltet in der Regel eine Beobachtung oder eine Aktion; daher verbrauchen komplexe Aufgaben sowohl die Anzahl der Schritte des Agents als auch die Laufzeit der Instanz.

• Planung und Ausführung mehrerer Desktop-Schritte gemäß den Zielen
• Erkennen von Schaltflächen, Menüs, Eingabefeldern und Dialogfeldern
• Informationen zwischen Anwendungen kopieren und organisieren
• Bei unsicheren Informationen den Benutzer fragen.
• Bitte um manuelle Bestätigung vor der zerstörerischen Aktion.
• Je nach Feedback die gleiche Aufgabe fortsetzen oder deren Ausführung stoppen.

Codefreies Erlebnis auf dem Spielplatz

Skylight Playground ermöglicht es den Nutzern, den integrierten Windows Agent ohne das Schreiben von Code einzusetzen. Die Nutzer können Aufgaben eingeben, den Desktop in Echtzeit beobachten, Fragen des Agents beantworten sowie Dateien hochladen oder herunterladen.

• Schnelle Überprüfung, ob eine Windows-Anwendung für die Automatisierung geeignet ist
• Beobachten Sie, wie der Agent mit Pop-ups, Tabellen und mehreren Fenstern umgeht.
• Prüfung der Klarheit der Anweisungen für natürssprachige Aufgaben
• In entscheidenden Schritten manuell übernehmen und die Vorgänge korrigieren
• Überprüfen, ob die generierte Datei ordnungsgemäß heruntergeladen werden kann.
• Schätzung der Schritte und Zeitaufwände vor der Entwicklung der API-Integration

Interactions API

Die Interactions-API bietet grundlegende Computeroperationen, die es Entwicklern ermöglichen, Windows-Instanzen direkt zu steuern oder eigene Computer-Use-Agenten zu erstellen. Die grundlegenden Aktionen können zu vorhersehbarerer Automatisierung kombiniert werden und dienen außerdem als Ergänzung zu integrierten Agenten.

Agent API

Die Agent-API kann Aufgaben starten und stoppen, den Status des Agents abfragen sowie Fragen beantworten, die während des Betriebs des Agents gestellt werden. Die Anwendung muss den Status, die Bedingungen für eine manuelle Eingabe sowie die Bedingungen für die Beendigung in klaren Abläufen definieren.

• Natürlichsprachige Ziele eingeben und Agentenaufgabe starten
• Abfragen oder Überwachen des aktuellen Betriebszustands
• Zusätzliche Informationen bereitstellen, während der Agent wartet
• Stopp des Agents bei Erkennung von Fehlern oder Risiken
• Speichern von Aufgabenergebnissen, Schritten und menschlichen Entscheidungen
• Vermeiden Sie, dass dieselbe Instanz gleichzeitig konkurrierende Aufgaben ausführt.

Datei hochladen und herunterladen

Skylight ermöglicht den Datentransfer zwischen dem lokalen System und Windows-Instanzen. Er eignet sich dazu, Eingabedaten an Desktop-Software zu übermitteln und anschließend Berichte, Tabellen oder Exporte zurückzuerhalten. Jeder Upload und Download wird separat berechnet.

• Dateien, Dokumente oder Mediendateien hochladen, die bearbeitet werden sollen
• Lassen Sie den Agenten in der Desktop-Anwendung Dateien öffnen und bearbeiten.
• Berichte, die aus Beispielen heruntergeladen wurden, oder Exportpakete
• Regeln für Dateinamen, Verzeichnisse und Ausgabeformat festlegen
• Scannen Sie vor dem Hochladen nach bösartigem Inhalt und beschränken Sie sensible Daten.
• Überprüfen Sie nach dem Herunterladen die Integrität der Datei und den tatsächlichen Inhalt.

Echtzeit-Überwachung und manuelle Übernahme

Entwickler und Betreuer können die Bilder der Instanzen in Echtzeit ansehen und bei Fehlern des Agents oder wenn eine Entscheidung erforderlich ist, die Kontrolle übernehmen. Human-in-the-Loop eignet sich zur Bearbeitung von schrittweisen Vorgängen mit hohem Einfluss wie Löschungen, Einreichungen, Zahlungen, Versendungen und Berechtigungsänderungen.

• Live-Überwachung des Betriebszustands jedes virtuellen Computers
• Stoppen Sie sofort, bevor durch einen falschen Klick die Auswirkungen verstärkt werden.
• Antworten auf Fragen zu Anmeldungen, Geschäftsregeln oder Fehlermeldungen
• Manuelle Erstellung von Verifizierungscode oder ausdrückliche Anforderung an eine menschliche Bearbeitung der Verifizierung
• Genehmigung von wichtigen Aktionen wie Einreichen, Löschen oder externe Übermittlung
• Nach Abschluss der Übernahme wird die Kontrolle wieder an den Agenten zurückgegeben.

Persistenz und Wissen

Instanzen können pausiert und später wieder fortgesetzt werden; der gesamte Fortschritt geht bei jeder Aufgabe nicht verloren. Auf der offiziellen Website wird außerdem eine Instance Knowledge Base bereitgestellt, damit die Instanzen im Laufe der Nutzung Arbeitserfahrungen sammeln können.

• Installierte Apps und lokale Einstellungen beibehalten
• Verringerung der Zeit für wiederholte Anmeldungen und die Initialisierung der Umgebung
• Templates und Referenzdokumente zur Speicherung von Aufgaben
• Lassen Sie dieselbe Instanz kontinuierliche Geschäftsprozesse verarbeiten.
• Regelmäßige Reinigung des Caches, temporärer Dateien und abgelaufener Anmeldeinformationen
• Vermeiden Sie die Verwendung unterschiedlicher, sensibler Kontexte für verschiedene Kunden.

Konkurrenz und Skalierung

Sowohl auf der Free- als auch auf der Pro-Seite wird angegeben, dass eine unbegrenzte Anzahl von Computern gleichzeitig genutzt werden kann. Doch die tatsächliche Leistung ist weiterhin durch Credits, die Kapazitäten der API, die Stabilität der Zielanwendungen und -aufgaben begrenzt. Bei großflächiger Nutzung sollten Task-Queues, Konkurrenzbeschränkungen sowie Mechanismen zur Isolierung von Fehlern eingeführt werden.

• Jeder Aufgabe wird eine eigene Windows-Instanz zugewiesen.
• Gleichzeitige Bearbeitung mehrerer Kunden, Dokumente oder Anwendungsprozesse
• Anzahl paralleler Aufgaben nach Ressourcenverbrauch der Anwendung begrenzen
• Vermeiden Sie, dass ein gemeinsames Konto von mehreren Instanzen gleichzeitig geändert wird.
• Für fehlerhafte Instanzen Timeout, Wiederholungsversuche und manuelle Queue einrichten
• Dynamische Anpassung der Größe anhand von Aufwandskosten und Erfolgsrate

Anwendbare Szenarien

• Windows-Business-Software mit automatisierter Bedienung – ohne moderne API
• Daten in Desktop-ERP-, Finanz- oder Betriebssysteme eingeben
• Massenverarbeitung von Excel-, PDF- und proprietären Dateiformaten
• Ausführung von Windows-spezifischen Tests und Regressionstests
• Berichte oder Konvertierungsdateien aus Desktop-Programmen exportieren
• Einen isolierten Computerumgebungs für AI-Agenten bereitstellen
• Automatische Abwicklung von Prozessen zwischen Browsern und Desktop-Anwendungen
• Aufbau von Geschäftsautomatisierungen, die eine Echtzeit-Überwachung durch Menschen erfordern

Für welche Benutzer geeignet

• Entwicklerteam für KI zur Erstellung von Computer-Use-Agenten
• Unternehmen, die traditionelle Windows-Anwendungen automatisieren müssen
• Ingenieure, die Desktop-Tests, RPA sowie Prozesse zur Verarbeitung von Dateien entwickeln
• Unternehmerische Teams, die eine schnelle Überprüfung der Windows-Agent-Szenarien anstreben
• Datenbetriebsteams, die eine parallele Isolierung der Computersysteme benötigen
• Organisationen, die in der Lage sind, Anmeldeinformationen, Softwarelizenzen sowie hochriskante Aktionen zu verwalten.

Preis für Skylight

Skylight nutzt ein Abonnementmodell mit Credits sowie eine Abrechnung nach tatsächlichem Verbrauch. Es werden die Versionen Free, Pro und Enterprise angeboten. Die ersten 5 Dollar an Credits können kostenlos genutzt werden – ohne dass ein Kreditkarten erforderlich ist.

Pay-as-you-go-Preis

Pro Monat 20 US-Dollar sowie entsprechende Credits – die tatsächliche Nutzung wird daher weiterhin wie oben beschrieben aus dem Limit abgezogen. Preise, Steuern, Gültigkeitsdauer der Credits sowie Richtlinien zur Unternehmensnutzung können sich ändern; es gelten die Angaben auf der Abrechnungsseite.

Kosten schätzen

Die Kosten für eine Aufgabe bestehen in der Regel aus der Rechenzeit des Computers, den Schritten, die vom Agenten ausgeführt werden, sowie dem Datentransfer. Für instanzlose Zustände gelten niedrigere Gebühren, doch das Langzeithalten vieler Instanzen verursacht weiterhin Kosten.

Anleitung zur Nutzung des Spielplatzes

1. Registrieren Sie ein Konto und erhalten Sie kostenlose Credits.
2. Neuen Windows-Computer in Playground erstellen.
3. Erstellen Sie Testdateien und -aufgaben ohne sensible Informationen.
4. Beschreiben Sie mit einer klaren Anweisung das Ziel, die Ausgabe und die verbotenen Aktionen.
5. Beobachten Sie in Echtzeit, wie der Agent die Anwendung öffnet und mit der Benutzeroberfläche arbeitet.
6. Bei Fragen oder Bestätigungsanfragen des Agents erfolgt eine manuelle Antwort.
7. Laden Sie das Ergebnis herunter und überprüfen Sie den Inhalt sowie das Format Punkt für Punkt.
8. Prüfen Sie die Schritte und die benötigte Zeit, bevor Sie entscheiden, ob eine API-Erstellung sinnvoll ist.

API-Anbindungstutorial

1. Erstellen Sie einen API-Schlüssel und speichern Sie ihn im Schlüsselverwaltungssystem.
2. Installieren Sie das Python- oder TypeScript-SDK und festlegen Sie die Version.
3. Starten Sie die Instanz und warten Sie, bis Windows verfügbar ist.
4. Installieren Sie die notwendigen Anwendungen und laden Sie die Eingabedateien hoch.
5. Wählen Sie einen integrierten Agenten oder steuern Sie es selbst mit der Interactions-API.
6. Legen Sie für jeden Schritt eine Zeitüberschreitung, einen Statuscheck und eine Fehlerbehandlung fest.
7. Laden Sie das Ergebnis herunter und überprüfen Sie den Status der Datei oder des Dienstes.
8. Instanzen pausieren oder beenden, Verbrauchs- und Auditing-Daten aufzeichnen.

Leitfaden zur Produktivumsetzung

1. Wählen Sie Prozesse mit geringem Risiko, die wiederholbar sind und deren Ergebnisse überprüfbar sind.
2. Listen Sie die betroffenen Anwendungen, Konten, Dateien und Geschäftsrechte auf.
3. Weisen Sie jedem Kunden oder Sicherheitsbereich eine eigene Instanz zu.
4. Definieren Sie Aktionen, die automatisch ausgeführt werden dürfen und welche eine manuelle Genehmigung erfordern.
5. Tests für überlappende Pop-ups, Aktualisierungen, Netzwerkunterbrechungen, ungültige Anmeldungen und fehlerhafte Dateien.
6. Erstellung von Instanzen, Schritten, Dateien und Alarmen für Kostenfehler.
7. Zunächst wird der Betrieb unter manueller Überwachung durchgeführt, anschließend wird das Automatisierungsgrad schrittweise erhöht.
8. Anhaltende Regressionstests für Änderungen an der Benutzeroberfläche und den Agentenversionen.

Python SDK

Das offizielle Python SDK bietet sowohl synchron als auch asynchrone Clients, die über API-Schlüssel authentifiziert werden. Damit lassen sich Agenten, Dateien, Interaktionen sowie Windows-Instanzen verwalten. Laut PyPI wurde dieses SDK von Speakeasy entwickelt und befindet sich noch in der Beta-Version. In Produktprojekten sollte daher immer eine stabile Version verwendet werden, und Aufrüstungen sollten getestet werden.

MCP-Fähigkeiten

Laut der offiziellen Website können die Python- und TypeScript-SDKs als MCP-Server verwendet werden, wodurch Agenten oder Entwicklungswerkzeuge, die MCP unterstützen, in der Lage sind, die Funktionen eines Windows-Computers zu nutzen. Bei der Anbindung sollten der Umfang der Werkzeuge, die Instanzen, die Dateien sowie Aktionen mit hohem Risiko eingeschränkt werden.

• Nur die Windows-Tools, die tatsächlich für die Aufgabe benötigt werden, werden angezeigt.
• Die Instanzidentifikation an bestimmte Benutzer und Projekte binden
• Vermeiden Sie, dass das Modell willkürlich unendliche Instanzen erstellt oder Dateien hochgeladen werden.
• Einstellen von Freigabestufen für Löschung, Einreichung und externe Übermittlung
• Jede MCP-Aufrufung, die Parameter sowie das Ergebnis werden aufgezeichnet.
• Hinweise zur Abwehr von Injection-Angriffen auf unzuverlässige Dateien und Webseiteninhalte

Sicherheit und Berechtigungen

• Melden Sie sich mit einem kurzfristigen oder speziellen Geschäftskonto bei der Anwendung an.
• Schreiben Sie Passwörter nicht in Klartext in die Aufgabenanweisungen und Protokolle.
• Isolieren von Instanzen und Dateien auf Kundenebene sowie auf Datenebene
• Einschränkung der Software, die ein Agent installieren kann, sowie der Netzwerke, auf die er Zugriff hat
• Für Zahlungen, Löschungen, Versendungen und Änderungen der Berechtigungen ist eine manuelle Bestätigung erforderlich.
• Nach Abschluss der Aufgabe werden die Downloads, der Zwischenablageinhalt sowie die vorübergehenden Anmeldeinformationen entfernt.
• Regelmäßige Erneuerung der API-Schlüssel und Deaktivierung inaktiver Integrationen
• Anwendung von Zugriffskontrollen auf Echtzeitbilder und aufgezeichnete Daten

Qualitätsbewertung

Vorteile des Produkts

• Einen fertigen Windows-Virtuellrechner-Umgebungen für AI-Agenten bereitstellen
• Gleichzeitige Unterstützung für eingebettete Agenten und eigene Agenten der Entwickler
• Screenshots, Maus, Tastatur, Dateien sowie die API für Instanzen sind recht umfassend.
• Playground erleichtert die kodenlose Überprüfung von Desktop-Workflows.
• Echtzeit-Übertragung, manuelle Übernahme und Bestätigungsmechanismen erhöhen die Kontrollierbarkeit
• Persistenz von Instanzen reduziert die Arbeit zur wiederholten Konfiguration der Umgebung
• Unterstützung für parallele Computer und skalierbare Aufgaben
• Bietet Python-, TypeScript-SDKs sowie MCP-Anbindungen.
• Offene Abrechnung nach Minuten, Schritten und Dateiübertragungen

Einsatzbeschränkungen und Hinweise

• Änderungen der Desktop-Oberfläche, Pop-up-Fenster und Software-Updates können dazu führen, dass Aufgaben fehlschlagen.
• Bei Klicks und Eingaben durch den Agenten können Fehler auftreten; man darf nicht von absoluter Genauigkeit ausgehen.
• Laufzeit, Agentenschritte und Dateiübertragung verursachen gleichzeitig Gebühren.
• Computer im Ruhezustand werden weiterhin abgebucht; es ist eine Strategie zur automatischen Bereinigung erforderlich.
• Jedes Hoch- und Herunterladen einer Datei kostet 0,05 US-Dollar; die Kosten für häufiges Übertragen sind hoch.
• Für die Anmelde-Verifizierungscode und Sicherheitsfragen kann menschliche Intervention erforderlich sein.
• Die Verwendung kommerzieller Windows-Software erfordert weiterhin die Einhaltung der jeweiligen Lizenzen.
• Sensible Konten und Daten müssen vor dem Eintrag in den gehosteten Computer einer Sicherheitsprüfung unterzogen werden.
• Das SDK befindet sich in der Beta-Version; ein Upgrade kann zu Kompatibilitätsproblemen führen.
• Die Kern-Hosting-Plattform ist nicht open source, das SDK kann den vollständigen Service nicht ersetzen.

GitHub und Open Source

Skylight hat offiziell ein Python-SDK-Repository auf GitHub veröffentlicht, das die Quellcodes des Clients, Beschreibungen im OpenAPI-Format sowie Anleitungsdokumente enthält. Das öffentlich zugängliche SDK dient zum Aufrufen von kommerziellen APIs; es bedeutet jedoch nicht, dass die Windows-Infrastruktur, die integrierten Agenten oder die gesamte Steuerungsplattform offen zugänglich sind.

Auf der offiziellen Repository-Seite wird der Name der einheitlichen Lizenz im Zusammenfassungsbereich nicht klar angezeigt. Vor der Verwendung und Weiterverbreitung sollte man unbedingt die aktuellen Lizenzdokumente des Repositories sowie die Metadaten der Pakete überprüfen. Die Kern-Skylight-Dienste sollten weiterhin als kommerzielle, geschlossene Quellcode-Lösungen gekennzeichnet werden.

Grundlegende Informationen

Empfehlungswert

4,6 / 5. Skylight eignet sich für Entwicklerteams, die eine KI-Agentin zum Bedienen von Windows-exklusivem Software oder herkömmlichen Desktop-Systemen benötigen; API, Überwachungsfunktionen und Preise sind transparent. Zu den weiteren Herausforderungen gehören die Zuverlässigkeit komplexer Benutzeroberflächen, die Kosten pro Schritt sowie die Verwaltung sensibler Konten.

Häufige Fragen

Was macht Skylight hauptsächlich?

Es bietet Windows-Computer in der Cloud an, die von einem AI-Agenten gesteuert werden können, um Desktop- und Browseranwendungen automatisch zu bedienen.

Ist für ein Dachfenster Code nötig?

Playground kann direkt in natürlicher Sprache genutzt werden; die Produktintegration erfolgt in der Regel über API, SDK oder MCP.

Kann man das Skylight kostenlos nutzen?

Ja, das Free-Paket bietet 5 Dollar an Credits – auf der offiziellen Website steht, dass kein Kreditkarten erforderlich ist.

Wie viel kostet Pro?

Pro Monat 20 US-Dollar, inklusive 20 US-Dollar an verfügbaren Credits.

Wie wird die Nutzung des Computers abgerechnet?

Aktive Computer kosten 0,005 US-Dollar pro Minute, inaktivere Computer 0,0005 US-Dollar pro Minute. Agentenschritte sowie die Übertragung von Dateien werden separat berechnet.

Unterstützt Skylight eine manuelle Übernahme?

Unterstützt die Echtzeit-Ansicht und manuelle Steuerung; der integrierte Agent kann zudem vor zerstörerischen Aktionen eine Bestätigung anfordern.

Kann man eigene Windows-Anwendungen installieren?

Es ist möglich, die für den Workflow benötigten Anwendungen zu installieren, doch der Benutzer muss über eine gültige Lizenz verfügen und die Kompatibilität überprüfen.

Welche SDKs bietet Skylight an?

Die offizielle Website listet die Python- und TypeScript-SDK auf; das Python-SDK ist außerdem auf GitHub und PyPI verfügbar.

Ist Skylight open source?

Die Kern-Hosting-Plattform ist nicht open source; das offizielle Python SDK stellt den Quellcode sowie OpenAPI-Dokumentationen zur Verfügung.