前阵子爆火的（过气网红） Manus AI 带火了 machine-use agent 的概念。然而众所周知，如果让 LLM 直接操作本地机器，会产生巨大的安全风险，所以各种沙盒技术也应运而生。正好趁着 https://github.com/trycua/cua 开源的机会，学习一下实现的原理。

首先，LLM 需要具备 vision 和 function calling 的能力。

接下来做的事情就很传统了，启动一个虚拟机，这个虚拟机内会启动一个 websocket server，这个 server 可以还可以通过…