cua（Computer-Use Agent）解説｜AIにmacOS/Linux VMを操作させるサンドボックス基盤

cua（trycua/cua・GitHubスター20,132・読み方は「クーア」）は、AIエージェントにコンピュータを丸ごと操作させるComputer-Use Agent（コンピュータ操作エージェント）のオープンソース基盤です。「AIにブラウザを触らせる」ツールはもう珍しくありません。しかし現実のPC作業は、Webブラウザの中だけで完結しないことの方が多い。ネイティブのデスクトップアプリを開き、サインイン済みのSlackやFinderを触り、APIなど生えていない社内ツールの画面をクリックする——人間が普段やっているこの「コンピュータ操作」を、AIにそっくりそのまま任せるのがcuaです。

しかも、その操作をあなたのMac本体ではなく、隔離された使い捨ての仮想マシン（VM）／コンテナの中で走らせる。macOSでもLinuxでもWindowsでもAndroidでも、同じ1つのAPIで。ここがcuaの核心であり、既存の「ブラウザ操作エージェント」や「コーディングエージェント」との決定的な違いです。

この記事では、①cuaがブラウザ操作エージェントと何が違うのか、②Driver / Sandbox / Lume / cua-bench という4本柱がそれぞれ何をするのか、③どのAIモデルで動くのか、そして④編集部がApple M2実機でインストールと動作可否を確かめた実測結果までを、公式リポジトリとドキュメントを一次ソースに、盛らずに正確に整理します。まずは、cuaが「何をするツールなのか」を30秒で。

AIエージェントの全体像や主要フレームワークの位置づけは AIエージェントフレームワーク比較2026｜LangGraph・CrewAI・Dify等9種をStar数・実コードで検証 にまとめています。本記事はその中でも「AIにコンピュータ操作そのものを任せる」という一角を深掘りする位置づけです。

1. cua（Computer-Use Agent）とは — AIにコンピュータを丸ごと与えるOSS

cuaは、AIエージェントが本物のコンピュータを操作するための実行環境・SDK・評価基盤を、まとめて提供するプラットフォームです。名前の由来はそのまま Computer-Use Agent。公式のキャッチコピーは「Scale computer-use 2.0 with open-source drivers, cross-OS fleets, and benchmarks（オープンソースのドライバ・クロスOSのフリート・ベンチマークで、コンピュータ操作2.0をスケールさせる）」です。

ここで言う 「Computer-Use 2.0」 という言葉に、cuaの思想が凝縮されています。従来の「コンピュータ操作エージェント」は、スクリーンショットを撮る→座標をクリックするというGUIループが中心でした。cuaはこれを一段広げ、エージェントが状況に応じて3つの操作面（action surface）を使い分けるという捉え方をします。

つまりcuaのエージェントは、「ファイルを消す」なら遠回りな画面クリックではなくrmを直接実行し、決まった操作はMCPツールを呼び、GUIでしか操作できない場面だけ人間のように画面を触る——という具合に、最短で確実な手段を選ぶ。この「コード＋ツール＋GUIの3面を1つのエージェントが状況で切り替える」考え方が、cuaの言う2.0です（公式ブログ「Computer Use 2.0」・2026年7月13日公開）。

そして、その操作の実行場所が隔離されたサンドボックスである点が、安全性と再現性を支えます。開発元は米国の Cua AI, Inc.（cua.ai）。個人の趣味プロジェクトではなく、企業がバックにいる製品としてのOSSです。

2. 何が違うのか — ブラウザ操作エージェントとの決定的な差

「AIにPCを操作させる」系のツールは他にもあります。では、cuaはブラウザ操作エージェント（Playwright/CDPベースのbrowser-useなど）やコーディングエージェント（OpenHandsなど）と、具体的に何が違うのか。結論から言えば、触れる範囲と隔離のしかたが違います。

当サイトで解説している browser-use完全ガイド のようなブラウザ操作エージェントは、ブラウザのタブの中が主戦場です。Webフォームの入力やスクレイピングには最適ですが、デスクトップアプリやOSの機能には手が届きません。一方 OpenHands のようなコーディングエージェントは、シェルとファイル・コードの世界が主戦場で、GUIそのものを人間のように触るわけではありません。

cuaは、その両方を含むOS全体を操作対象にします。公式ドキュメントの表現を借りれば、「安定したWebワークフローならブラウザ自動化で十分。だが、視覚的な状態・ネイティブアプリ・サインイン済みセッション・適切なAPIを持たないソフトにタスクが依存するとき、コンピュータ操作エージェントが有用になる」。つまりcuaは、ブラウザでは届かない領域——署名済みセッション、レガシーな業務ソフト、Blender/Figma/DAW/ゲームエンジンのようなキャンバス系ツール——を狙う道具です。

そしてもう一つの違いが隔離です。cuaには2つの実行モデルがあります。

・Cua Sandbox（使い捨てのコンピュータ）：タスクごとにまっさらな隔離VM/コンテナを立ち上げ、ライフサイクルも認証情報もそのタスクに閉じる。作業はあなたの個人マシンの外で完結し、終われば捨てられる。
・Cua Driver（既存の実マシンを背後で操作）：手元の本物のPCを、カーソルやフォーカスを奪わずにバックグラウンドで操作する。最小権限のパーミッションポリシーを敷ける。

前者は「安全な砂場を毎回作る」発想、後者は「今あるマシンに慎重に手を入れる」発想です。どちらも隔離と権限を設計の中心に据えている点が、母艦で直接コマンドを走らせる素朴なエージェントとの差になります。この「AIエージェントを隔離環境で安全に走らせる」考え方は、CubeSandbox解説（60ms起動MicroVMでAIエージェントを安全実行） とも通じますが、cubesandboxがコード実行のためのmicroVMにフォーカスするのに対し、cuaはGUI操作を含むフルOSのサンドボックスを提供する点が異なります。

3. Driver / Sandbox / Lume / cua-bench — 4本柱の構成要素

cuaは1枚岩のアプリではなく、役割の違う部品の集合です。モノレポ（libs/）にRust・Swift・Python・TypeScriptのパッケージが同居しています。全体像を4本柱（＋新機能のFleet）で押さえましょう。

このうち、READMEの公式デモ（下）が示すのが Sandbox の世界観です。AIが隔離されたデスクトップを開き、アプリを操作していきます。

Lume — Apple Silicon上の「合法な」macOS仮想化

4本柱のなかでもcuaならではの武器が Lume です。Appleの Virtualization.Framework を使い、Apple SiliconのMac上でmacOS/Linux VMをほぼネイティブ速度で動かせます。macOSを仮想化してAIに操作させられるプラットフォームは多くありません。--unattended の sequoia/tahoe プリセットを使えば、lumeユーザー作成・SSH有効化・自動ログイン・スリープ/画面ロック無効化まで済んだVMがオフラインで用意されます（既定の認証情報は lume / lume）。

LumierはこれをDocker互換のインターフェースで包み、コンテナ運用の流儀でmacOS/Linux VMを回せるようにする補助部品です。

Cua Fleet（Cyclops）— ただし公開SDKは現状プレースホルダ

2026年7月に登場した新しい柱が Cua Fleet（内部コードネーム「Cyclops」）で、多数のコンピュータ操作エージェント/サンドボックスをオーケストレーションする層です。ただし、ここは正直に注意が必要な部分です。

4. 対応モデルと動かし方 — Claude・GPT・Geminiを1つのAPIで束ねる

cuaの大きな強みはモデル非依存であることです。Agent SDK（cua-agent）は LiteLLM を土台に、渡された「モデル文字列」を対応するエージェントループへ振り分けます。ソース（libs/python/agent のループ登録）で確認できる対応モデルは、商用のcomputer-use APIからオープンウェイトの視覚/グラウンディングモデルまで幅広い。

重みの読み込み方（アダプタ）も複数あり、Hugging Faceローカル・MLX（Apple Siliconローカル）・Azure ML・Cuaホスト・人間介在（human-in-the-loop） から選べます。つまり「Claudeで動かす」も「手元のMacでオープンウェイトを回す」も「プランナーはGPT・座標当ては専用の軽量モデル」も、同じ ComputerAgent の枠内で書けるということです。

実際のコードは驚くほど短く、OSが変わってもAPIは同じです（公式READMEより）。

# Python 3.11 以降。pip install cua で導入
from cua import Sandbox, Image

# OSやランタイムが変わっても同じAPI
async with Sandbox.ephemeral(Image.linux()) as sb:   # .macos() .windows() .android() も
    result = await sb.shell.run("echo hello")         # シェル実行
    screenshot = await sb.screenshot()                # 画面キャプチャ
    await sb.mouse.click(100, 200)                    # クリック
    await sb.keyboard.type("Hello from Cua!")         # 入力

Image.linux() を .macos() や .windows() に変えるだけで操作対象のOSが変わる——このクロスOSの一貫APIが、cuaの開発体験の要です。

5. Apple M2実機で確認 — Computer-Use Agentの導入と動作可否（実測）

ここが、README和訳では出せない当記事の価値です。編集部がApple M2（arm64）のMacで、cuaが本当に動くのかを実際に確かめました。結論から言うと、SDKの導入とローカル実行環境の判定までは問題なく通りました。一方で、AIが実際に操作するにはモデルのAPIキーが要り、macOS VMは数十GBのイメージが要る——その線引きも正直に示します。

① SDKの導入。 cua は複数パッケージをまとめたメタパッケージです。Python 3.13の仮想環境で入れたところ、依存を含め261パッケージ・343MBが約6秒で入りました（uv 使用）。重要なのは、torchやultralyticsのような重いML依存が既定では入らないこと——AGPLの ultralytics はオプションの cua-agent[omni] を指定したときだけ引き込まれます。

# 推奨（統合メタパッケージ）。Python 3.11〜3.13
pip install cua
# 個別導入も可（従来どおり公開・バージョン管理されている）
pip install cua-computer cua-agent

導入後、import cua が公開する Sandbox / Image / login / whoami などのシンボルは、READMEのAPIとそのまま一致しました。

② ローカル実行の可否判定。 cuaは母艦で何が動かせるかを自己診断できます。編集部のM2で check_local_support(Image.linux()) を呼ぶと、RuntimeSupport(linux on darwin/arm64: supported, software-only, runtime=docker+qemu [installed]) を返しました。Docker＋QEMUが導入済みで、ローカルのLinuxサンドボックスが起動可能という判定です（実際のVMイメージ取得は数GBのため、本記事では起動そのものは行っていません）。クラウドを使う whoami は当然ながら Not authenticated. Run cua_sandbox.login() or set CUA_API_KEY. を返し、cua.aiクラウドはAPIキー必須であることも確認できました。

③ Lume（macOS仮想化）。 リリースのバイナリ（lume-0.3.16-darwin-arm64）を取得して直接実行したところ、lume --version は 0.3.16、lume ls は No virtual machines found と、Apple M2上で正常に起動しました。実際に macOS VMを作るには、lume ipsw が返すAppleのリストアイメージ（数十GB）のダウンロードが必要になります。

導入したら、以下の読み取り専用コマンドで「入っているか・何が使えるか」を自分の環境でも確認できます（破壊的操作はありません）。

# 1) 何のモデル/ランタイムが使えるかを対話で確認
python -c "import cua; print(cua.check_local_support(cua.Image.linux()))"

# 2) クラウドにログイン済みか（未ログインなら CUA_API_KEY を促される）
python -c "import cua; print(cua.whoami())"

# 3) Lumeのバージョンと、いま作成済みのmacOS VM一覧
lume --version
lume ls

# 4) 取得可能なmacOSリストアイメージのURL（ダウンロードはしない）
lume ipsw | tail -n 1

6. cuaは使えるのか — ライセンス・活性度・バス係数の正直な評価

「自分のプロジェクトに採用してよいか」を判断するため、良い点と、正直に受け止めるべき点を並べます。

良い点。 まず健全性が高い。GitHubスターは20,132、ライセンスはMIT（サードパーティのKasmもMIT）。コントリビューターは約75名で、トップは開発元Cua AI, Inc.のコアメンバー（f-trycua＝Francesco Bonacci、ddupont808＝Dillon DuPont ほか）。企業がバックにいる多人数開発で、リリースは2026年7月時点で週に複数本という高頻度、直近コミットは2026-07-18です。個人の単独プロジェクト（バス係数≈1）が抱えるリスクとは明確に違い、この点は安心材料です。機能面も、クロスOSの一貫API・モデル非依存・評価/学習まで一気通貫、と「作る→動かす→測る」を1つの傘で完結できます。

一方で、正直に受け止めるべき点が3つあります。

① 一部の新機能はまだ「名前だけ」。 前述のとおり、目玉の Cua Fleet は公開SDK（@trycua/fleet・cua-fleet）がプレースホルダで機能ゼロ。cua-cloud のPyPIパッケージも同様です。ロードマップ上の魅力的な機能が、すでに使えるかのように語られやすい点は割り引いて読むべきです。採用時は「今この瞬間に動く部品（Sandbox・Agent・Lume・Driver）」と「これから来る部品（Fleet）」を分けて評価してください。

② Lumeの macOS VMは Apple Silicon 必須、かつ初回起動に癖。 macOSを仮想化できるのはApple Silicon機だけ。しかも公式表によれば TahoeプリセットはE2E検証済みな一方、Sequoiaは初回起動で設定アシスタントのアクセシビリティ画面が出る既知課題があります（issue #2155）。Linux/Windows/Androidはクラウドやローカルで動きますが、「手元のIntel Macで気軽にmacOS VM」はできません。

③ テレメトリが既定でON。 Lumeは擬似匿名の導入/利用メタデータを既定で収集し（lume config telemetry disable で停止可）、@trycua/core もPostHogのテレメトリを持ちます。プロンプトやVM名・ファイルパス・VM内容は集めないとされますが、送信が既定で有効な点は組織ポリシーによっては要確認です。加えて、オプションの cua-agent[omni] を使うとAGPL-3.0の ultralytics が入るため、クローズドソース製品に組み込む場合はライセンス整合の確認が要ります（omniを使わなければ回避可能）。

7. 既存の代替と何が違うのか — 比較で位置づける

最後に、近い領域のツールと並べて、cuaの立ち位置を明確にします。同じ「AIにPCを操作させる」でも、操作面・隔離・OS範囲・用途が違うのが要点です。

たとえば「社内の古い受発注アプリ（Web APIなし）に毎朝ログインして在庫を転記する」ようなタスクは、ブラウザ操作エージェントでは届きにくく、コーディングエージェントの守備範囲でもありません。GUIを人間のように触れて、かつ隔離環境で安全に回せるcuaが噛み合う典型です。逆に、対象が安定したWebサイトだけなら、より軽量なブラウザ操作エージェントの方が速く安く済みます。「Web内で完結するか、OSの世界に踏み出すか」が、cuaを選ぶかどうかの分水嶺です。

まとめ — cuaを入れるべきか

cuaは、「AIエージェントにコンピュータそのものを操作させる」というテーマに、実行環境（Sandbox/Lume/Driver）・モデル抽象（Agent SDK）・評価基盤（cua-bench）を一気通貫で用意した、企業運営の本格的なOSS基盤です。ブラウザの中に閉じないOS全体の操作、隔離VMによる安全性、クロスOSの一貫API、そしてモデル非依存——この組み合わせは、既存のブラウザ操作エージェントやコーディングエージェントにはない強みです。★20,132・MIT・多人数開発・高頻度リリースという健全性も、採用のハードルを下げます。

同時に、過大評価は禁物です。目玉のCua Fleetは公開SDKがまだプレースホルダで、「もう使える」と読むと肩透かしを食います。Lumeの macOS VMはApple Silicon必須で初回起動に癖があり、テレメトリは既定ON、[omni]拡張はAGPL依存を持ち込む。そして「ソフトは無料」でも、実際にAIを動かすにはモデルのAPI料金やクラウド従量課金がかかります。

とはいえ、この線引きさえ理解すれば、個人・研究者・評価/学習用途なら、pip install cua から数分で試せる価値ある選択肢です。まずはローカルのLinuxサンドボックスで「AIに使い捨てのコンピュータを与える」感覚を確かめ、必要になったらLumeやクラウド、そして成熟を待ってFleetへ——という段階導入が、cuaの一番賢い付き合い方でしょう。

参照ソース

・trycua/cua（公式リポジトリ） — スター・ライセンス・コントリビューター・リリースの実測、README全文
・cua ドキュメント（cua.ai/docs） — Get Started / Agent SDK / Sandbox SDK / Computer-Use 2.0 コンセプト
・Lume — macOS Virtualization — Apple Silicon上のmacOS/Linux VM管理・CLIリファレンス
・LICENSE.md（MIT License） — 本記事のライセンス評価の原文
・編集部によるApple M2実機検証（2026-07-19） — pip install cua・check_local_support・lume 各コマンドの実出力