feat: 添加原生桌面 GUI 控制工具（截图 + 鼠标/键盘操作）

[ken2025001ai-pixel]

背景

GenericAgent 目前通过 CDP Bridge 扩展实现了对浏览器内页面的完整控制（web_scan + web_execute_js）。但对于浏览器之外的原生 GUI 应用（Terminal、Finder、Office、其他桌面 App）目前还没有覆盖。

Claude Code 最近推出了 computer-use 内置 MCP 服务器，实现了对 macOS 桌面的完整 GUI 控制。该功能底层与 Anthropic API 的 computer_20250124 tool 同源，动作集包括：screenshot、left_click、right_click、double_click、type、key、scroll、zoom 等。

建议

在 ga.py 中新增两个工具并在 tools_schema.json 中注册：

do_screenshot()

• 截取当前屏幕（或指定区域）
• 返回 base64 图像，供 LLM 视觉理解当前桌面状态

do_desktop_action()

• 接收动作类型和参数，执行鼠标/键盘操作
• 支持动作：left_click、right_click、double_click、type、key、scroll、mouse_move
• 依赖库：pyautogui 或 pynput + Pillow（均已有跨平台支持）

优势

1. 不绑定 LLM：GenericAgent 的文本协议天然支持任意 LLM，加上这两个工具后，所有已接入的后端（OpenAI、Claude、Gemini、xAI 等）都能使用桌面控制能力
2. 跨平台潜力：pyautogui 支持 macOS/Windows/Linux，覆盖面超过 Claude Code（仅 macOS）
3. 与现有工具互补：浏览器内操作继续用 CDP Bridge（更精准），浏览器外用 desktop_action（更通用）

参考

• Anthropic 官方开源参考实现：anthropic-quickstarts/computer-use-demo
• Anthropic Computer Use API 文档：computer_20250124 tool 的完整动作集
• Claude Code computer-use 文档（对比参考）

影响范围

• ga.py：新增 do_screenshot()、do_desktop_action() 方法
• assets/tools_schema.json：注册两个新工具
• requirements.txt（如有）：添加 pyautogui、Pillow 依赖

[lsdefine]

memory里面预置的ljqCtrl即是gui控制工具
仅需解锁ocr能力和vlm能力即可完整gui，文档里面已提示

[lsdefine]

如果需要 也可以直接和它说 阅读https://github.com/anthropics/anthropic-quickstarts/tree/main/computer-use-demo并记录成你的能力