aura-gui 0.2.2

UI nativa acelerada por GPU para escritorio, Android e iOS, en un solo crate: estilo tipo Tailwind, componentes, sombras, animaciones y agentes de IA. Reposo a cero. Licencia AGPL-3.0 o comercial.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160

//! Herramienta `computer` de Aura: ver la pantalla y usar ratón y teclado, como el «computer use» de Claude pero
//! propio del editor (funciona con cualquier proveedor que acepte imágenes). Aquí solo está el contrato: qué
//! acciones hay, cómo se validan y cómo se describen al modelo; el editor las ejecuta.

use crate::ai::types::ToolSpec;
use serde_json::{Value, json};

#[derive(Clone, Debug, PartialEq)]
pub enum ComputerAction {
    /// Captura la pantalla; el resultado lleva la imagen y su tamaño (las coordenadas usan ese tamaño).
    Screenshot,
    Click {
        x: i32,
        y: i32,
        button: MouseButton,
        double: bool,
    },
    /// Mueve el puntero sin pulsar (para menús que se abren al pasar).
    Move {
        x: i32,
        y: i32,
    },
    Type {
        text: String,
    },
    /// Combinación de teclas: `cmd+c`, `return`, `shift+tab`, `ctrl+alt+delete`…
    Key {
        keys: String,
    },
    /// Rueda en `(x, y)`: positivo baja, negativo sube (en líneas).
    Scroll {
        x: i32,
        y: i32,
        amount: i32,
    },
    /// Abre una dirección web en el navegador predeterminado y devuelve la captura cuando carga.
    OpenUrl {
        url: String,
    },
}

/// `github.com` → `https://github.com`; solo se abren direcciones web (nada de `file:` ni esquemas raros).
pub fn web_url(raw: &str) -> Result<String, String> {
    let raw = raw.trim();
    let url = if raw.contains("://") { raw.to_owned() } else { format!("https://{raw}") };
    let valid = (url.starts_with("https://") || url.starts_with("http://"))
        && url.len() > "https://".len()
        && !url.contains(char::is_whitespace);
    if valid { Ok(url) } else { Err(format!("computer: «{raw}» no es una dirección web")) }
}

#[derive(Clone, Copy, Debug, PartialEq, Eq)]
pub enum MouseButton {
    Left,
    Right,
}

impl ComputerAction {
    pub fn parse(input: &Value) -> Result<Self, String> {
        let number = |key: &str| {
            input[key].as_f64().map(|value| value.round() as i32).ok_or_else(|| format!("computer: falta «{key}»"))
        };
        let text = |key: &str| input[key].as_str().map(str::to_owned).ok_or_else(|| format!("computer: falta «{key}»"));
        match input["action"].as_str().unwrap_or_default() {
            "screenshot" => Ok(Self::Screenshot),
            "click" => Ok(Self::Click {
                x: number("x")?,
                y: number("y")?,
                button: if input["button"].as_str() == Some("right") { MouseButton::Right } else { MouseButton::Left },
                double: input["double"].as_bool().unwrap_or(false),
            }),
            "move" => Ok(Self::Move { x: number("x")?, y: number("y")? }),
            "type" => Ok(Self::Type { text: text("text")? }),
            "key" => Ok(Self::Key { keys: text("keys")? }),
            "open_url" => Ok(Self::OpenUrl { url: web_url(&text("url")?)? }),
            "scroll" => Ok(Self::Scroll { x: number("x")?, y: number("y")?, amount: number("amount")?.clamp(-50, 50) }),
            other => Err(format!(
                "computer: acción «{other}» desconocida; usa screenshot, click, move, type, key, scroll u open_url"
            )),
        }
    }

    /// Resumen de una línea para el panel y la confirmación.
    pub fn summary(&self) -> String {
        match self {
            Self::Screenshot => "Ver la pantalla".into(),
            Self::Click { x, y, button, double } => {
                let kind = match (button, double) {
                    (MouseButton::Right, _) => "Clic derecho",
                    (_, true) => "Doble clic",
                    _ => "Clic",
                };
                format!("{kind} en ({x}, {y})")
            }
            Self::Move { x, y } => format!("Mover el puntero a ({x}, {y})"),
            Self::Type { text } => {
                let short: String = text.chars().take(40).collect();
                format!("Escribir «{short}»")
            }
            Self::Key { keys } => format!("Pulsar {keys}"),
            Self::Scroll { amount, .. } => format!("Desplazar {amount} líneas"),
            Self::OpenUrl { url } => format!("Abrir {url}"),
        }
    }
}

pub fn spec() -> ToolSpec {
    ToolSpec {
        name: "computer".into(),
        description: "Controla el computador del usuario: ve la pantalla y usa ratón y teclado. Empieza siempre con \
            `screenshot`; las coordenadas x, y son píxeles de la última captura (origen arriba a la izquierda). \
            Después de cada clic o tecla que cambie algo, vuelve a capturar para comprobar el resultado. Para la web \
            usa `open_url`: abre el navegador y devuelve la captura. Úsala solo cuando la tarea necesite otra aplicación; para el código del proyecto usa las demás herramientas."
            .into(),
        schema: json!({
            "type": "object",
            "properties": {
                "action": {
                    "type": "string",
                    "enum": ["screenshot", "click", "move", "type", "key", "scroll", "open_url"],
                },
                "url": { "type": "string", "description": "Dirección web a abrir (action=open_url)" },
                "x": { "type": "number" },
                "y": { "type": "number" },
                "button": { "type": "string", "enum": ["left", "right"] },
                "double": { "type": "boolean" },
                "text": { "type": "string", "description": "Texto a escribir (action=type)" },
                "keys": { "type": "string", "description": "Teclas con +, por ejemplo cmd+c, return, shift+tab" },
                "amount": { "type": "number", "description": "Líneas a desplazar: positivo baja" },
            },
            "required": ["action"],
        }),
    }
}

#[cfg(test)]
mod tests {
    use super::*;

    #[test]
    fn interpreta_cada_accion_y_explica_lo_que_falta() {
        assert_eq!(ComputerAction::parse(&json!({"action": "screenshot"})), Ok(ComputerAction::Screenshot));
        assert_eq!(
            ComputerAction::parse(&json!({"action": "click", "x": 10.4, "y": 20, "button": "right"})),
            Ok(ComputerAction::Click { x: 10, y: 20, button: MouseButton::Right, double: false })
        );
        assert_eq!(
            ComputerAction::parse(&json!({"action": "scroll", "x": 1, "y": 2, "amount": 900})),
            Ok(ComputerAction::Scroll { x: 1, y: 2, amount: 50 })
        );
        assert!(ComputerAction::parse(&json!({"action": "click", "x": 1})).unwrap_err().contains("«y»"));
        assert!(ComputerAction::parse(&json!({"action": "volar"})).unwrap_err().contains("desconocida"));
        assert_eq!(ComputerAction::Key { keys: "cmd+c".into() }.summary(), "Pulsar cmd+c");
        assert_eq!(
            ComputerAction::parse(&json!({"action": "open_url", "url": "github.com"})),
            Ok(ComputerAction::OpenUrl { url: "https://github.com".into() })
        );
        assert!(web_url("file:///etc/passwd").is_err() && web_url("hola mundo").is_err());
    }
}