डेस्कटॉप ऐप इंस्टॉल करें, कंप्यूटर को एक बार कनेक्ट करें, फिर जहां से भी आप पहले से Melaya से बात करते हैं वहीं से इसे काम सौंप दें।
Windows, macOS या Linux के लिए Melaya डाउनलोड करें। Mac पर, एक बार Accessibility और Screen Recording की अनुमति दें, ऐप आपको पूरा तरीका दिखा देता है।
साइन इन करें, एक कंसेंट स्क्रीन पर हां कहें, और कंप्यूटर आपके अकाउंट में दिखने लगता है। चुनें कि एजेंट कौन से ऐप्स इस्तेमाल कर सकते हैं, और कितनी हद तक।
Computer Control खोलेंअसिस्टेंट से कहें, एक पाइपलाइन शेड्यूल करें, या इसे Claude Code, Codex या Cursor से कॉल करें। लाइव टाइमलाइन देखें, जरूरी चीजें अप्रूव करें, कभी भी रोकें।
हेडलेस Linux मशीन या VM है? Melaya रनर को computer control के साथ शुरू करें और यह किसी भी दूसरे कंप्यूटर की तरह आपके अकाउंट से जुड़ जाता है।
npx @melaya/runner --computerWindows 10 और 11 · macOS 13+ · Linux (AppImage, .deb, .rpm) · हेडलेस Linux VM
डेस्कटॉप ऐप सेटअप गाइडस्क्रीनशॉट एजेंट हर क्लिक पर एक मॉडल कॉल और एक नया स्क्रीनशॉट खर्च करते हैं। System One विंडो एक बार पढ़ता है, हर स्टेप एक कॉल में प्लान करता है, और Melaya ऐप के भीतर हर स्टेप चलाता और जांचता है।
उदाहरण के लिए। मॉडल स्क्रीन फिर से सिर्फ़ तब देखता है जब कुछ अनपेक्षित हो।
विंडो स्थिर रेफ़रेंस वाले नामित एलिमेंट्स के रूप में आती है।
मॉडल पूरा प्लान भेजता है, 100 स्टेप्स तक।
हर टारगेट असली accessibility tree पर ढूंढा जाता है।
एक छोटा मॉडल सिर्फ़ तब फ़ैसला करता है जब कोई टारगेट साफ़ न हो।
स्टेप्स एक बैच में चलते हैं, हर एक वेरिफ़ाइड।
हर रन कॉल, एक्शन और सेकंड बताता है।
computer_fast1 प्लान कॉलउदाहरण रनclickReports खोलेंएग्ज़ैक्ट लेबलpickQ3 2026 पीरियड चुनेंLayafor_eachOpen मार्क की हर रो के लिएरोtypeफ़ाइल का नाम q3-open.csv रखेंरेफ़pressCtrl+S से सेव करेंशॉर्टकटexpectपुष्टि करें कि फ़ाइल सेव हुईजांचा गयायही तरीके Excel, Outlook, Teams, File Explorer, Finder, SAP GUI, किसी CRM या इन-हाउस टूल में भी काम करते हैं। जो आप माउस और कीबोर्ड से कर सकते हैं, वह एक एजेंट आपके नियमों के तहत कर सकता है।
screen · ocrWindows पर UI Automation, macOS पर Accessibility, Linux पर AT-SPI2: स्थिर रेफ़रेंस वाले नामित एलिमेंट्स। जो ऐप्स अपना UI खुद बनाते हैं उनके लिए OCR और मार्क किए स्क्रीनशॉट काम आते हैं।
click · type · pressमेन्यू, कॉम्बो बॉक्स, चेकबॉक्स, ड्रैग एंड ड्रॉप, Ctrl+S या Cmd+Shift+4। वैल्यू टाइप करने के बदले सीधे सेट भी की जा सकती हैं।
file_dialogफ़ाइल डायलॉग को फ़ाइल हैंडल से भरता है, कभी raw पाथ से नहीं। जो फ़ाइल यह सेव करता है वह रन में एक ऐसे हैंडल के रूप में वापस आती है जिसे आप कंट्रोल करते हैं।
read_table · set_valueExcel, ERP और CRM में ग्रिड को रो के रूप में पढ़ता है, तो एक एजेंट पिक्सेल पर घूरने के बजाय हर खुले इनवॉइस पर लूप चला सकता है।
delivery: backgroundजहां OS इजाज़त देता है, एक्शन accessibility लेयर से गुज़रते हैं: न कर्सर पकड़ता है, न विंडो आगे कूदती है। जब इसे फोरग्राउंड चाहिए हो, तो यह बता देता है।
expect · observeहर राइट के बाद, Melaya देखता है कि क्या बदला। कुछ नहीं बदला? स्टेप झूठी सफलता के बदले कोई असर नहीं बताता है।
handoffसाइन-इन, 2FA या CAPTCHA? एजेंट रुक जाता है, वह स्टेप आप खुद करें, Continue दबाएं, और यह एक नए पढ़ने से फिर शुरू हो जाता है।
keep_awakeशेड्यूल्ड रन के दौरान कंप्यूटर को जगाए रखता है, और कुछ भी खाली न क्लिक करके, साफ़ बता देता है जब स्क्रीन लॉक हो।
playbooks24 सामान्य डेस्कटॉप ऐप्स के लिए बिल्ट-इन नोट्स, Excel, Outlook और Teams से Finder तक, साथ में बेहतरीन काम करने वाले कीबोर्ड रूट।
connectorsजब Slack, Notion या Teams कनेक्टेड हो, तो एजेंट ऐप में क्लिक करने के बदले कनेक्टर इस्तेमाल करता है।
किसी AI एजेंट को कंप्यूटर कंट्रोल देने के चार तरीके। चारों गंभीर टूल्स हैं। यहां देखिए वे साथ-साथ कैसे अलग हैं।
| क्या मायने रखता है | Melaya | OpenClaw | Hermes Agent | Claude Cowork |
|---|---|---|---|---|
| यह स्क्रीन कैसे देखता है | पहले Accessibility tree (UI Automation, macOS Accessibility, AT-SPI2), फॉलबैक के रूप में OCR और मार्क किए स्क्रीनशॉट, एक रेफ़रेंस स्पेस | एलिमेंट रेफ़्स के साथ स्क्रीनशॉट और accessibility tree, macOS पर डिफ़ॉल्ट रूप से Peekaboo | सेट-ऑफ़-मार्क्स स्क्रीनशॉट, vision या accessibility-tree मोड | स्क्रीनशॉट और कोऑर्डिनेट्स, मॉडल को कोई accessibility tree नहीं दी जाती, इमेज लगभग 1372x887 तक डाउनस्केल |
| मॉडल कॉल और टोकन इस्तेमाल | एक मॉडल कॉल कई स्टेप्स (100 तक) प्लान करता है, Melaya उन्हें चलाता और जांचता है | यूज़र्स हर टास्क पर 80 से 150k इनपुट टोकन बताते हैं | दर्ज नहीं | रिव्यूअर्स को यह धीमा और टोकन-भूखा लगा (5 घंटे का Pro अलाउंस 30 मिनट में खत्म, PCWorld) |
| वेरिफ़ाइड राइट, कोई झूठी सफलता नहीं | हर राइट विंडो पर जांचा जाता है, झूठी सफलता के बदले "कोई असर नहीं", admin विंडो पहले ही बता दी जाती हैं | दर्ज नहीं | दर्ज: elevated Windows विंडो पर, capture 0 एलिमेंट लौटाता है और क्लिक कुछ न करते हुए भी सफलता बताता है | दर्ज नहीं |
| Windows पर बैकग्राउंड कंट्रोल | accessibility पैटर्न के ज़रिए पहले बैकग्राउंड, बताता है जब इसे फोरग्राउंड इस्तेमाल करना पड़ा | Windows और Linux ड्राइवर experimental चिह्नित, सिर्फ़ प्राइमरी डिस्प्ले | डिज़ाइन से ही बैकग्राउंड-फ़र्स्ट | Windows पर दिखने वाली स्क्रीन पर काम करता है (macOS 15+ पर बैकग्राउंड विंडो) |
| Linux और हेडलेस VM | X11 और Wayland पर Linux, साथ ही npx @melaya/runner --computer से हेडलेस सर्वर और VM | Windows और Linux ड्राइवर experimental चिह्नित | दर्ज नहीं | दर्ज नहीं |
| प्रति-ऐप अनुमति स्तर | प्रति ऐप View, Click या Full कंट्रोल, संवेदनशील ऐप्स डिफ़ॉल्ट रूप से बंद | प्रति-एक्शन पुष्टि नहीं, सुरक्षा durable arming और tool policy से | अप्रूवल मोड, एक bounded मोड सहित | मज़बूत प्रति-ऐप अप्रूवल टियर |
| स्टॉप और सुरक्षा | Stop बटन और शॉर्टकट, आपके माउस या कीबोर्ड छूने पर रुक जाता है, पासवर्ड फ़ील्ड में कभी टाइप नहीं करता | CVE-2026-25253 (one-click RCE) और इसके skill hub में मिले malicious skills | बैकग्राउंड इनपुट के लिए निजी macOS API पर निर्भर, जो OS अपडेट से टूट सकता है | Esc इसे कहीं से भी रोक देता है, एक बार में एक सेशन (मशीन-वाइड लॉक) |
| फ़ोन, ब्राउज़र और कंप्यूटर एक साथ | हां: वही एजेंट आपका Android फ़ोन, आपका ब्राउज़र और आपका कंप्यूटर चलाते हैं | दर्ज नहीं | दर्ज नहीं | दर्ज नहीं |
| आपके कंप्यूटर पर शेड्यूल्ड रन | शेड्यूल्ड पाइपलाइन आपके अपने कंप्यूटर पर चलती हैं, रन के लिए जगाकर रखा जाता है | Cron और heartbeat शेड्यूलिंग | दर्ज नहीं | लोकल ऐप्स के लिए मशीन को जगा रहना ज़रूरी है |
| कोई भी मॉडल, MCP एक्सेस | Claude, GPT, Gemini, Qwen या लोकल मॉडल, और MCP के ज़रिए Claude Code, Codex और Cursor से पहुंच योग्य | दर्ज नहीं | दर्ज नहीं | Claude पर चलता है, एक बहुत सक्षम मॉडल |
प्रतिस्पर्धी विवरण उनके सार्वजनिक दस्तावेज़ों के मुताबिक, अक्टूबर 2026। "दर्ज नहीं" का मतलब है कि हमें उनके सार्वजनिक दस्तावेज़ों में कोई बयान नहीं मिला, इसका मतलब यह नहीं कि फ़ीचर मौजूद नहीं है।
OpenClaw ओपन सोर्स है, एक बड़े skill ecosystem और cron तथा heartbeat शेड्यूलिंग के साथ। इसके सार्वजनिक दस्तावेज़ों के मुताबिक, इसका Windows और Linux ड्राइवर experimental और सिर्फ़ प्राइमरी-डिस्प्ले है, और यूज़र्स हर टास्क पर 80 से 150k इनपुट टोकन बताते हैं। Melaya Windows, macOS, Linux और हेडलेस VM पर चलता है, हर मॉडल कॉल में कई स्टेप्स प्लान करता है, और हर राइट जांचता है।
OpenClaw का विकल्प: पूरी तुलनाNous Research का Hermes Agent बैकग्राउंड-फ़र्स्ट है, एक learning loop के साथ जो skills लिखता है और bounded मोड सहित अप्रूवल मोड देता है। इसके अपने दस्तावेज़ बताते हैं कि elevated Windows विंडो पर, एक क्लिक कुछ न करते हुए भी सफलता बता सकता है, और macOS पर बैकग्राउंड इनपुट निजी API पर निर्भर है। Melaya admin विंडो पहले ही पहचान लेता है और इसके बदले कोई असर नहीं बताता है।
Hermes Agent का विकल्प: पूरी तुलनाClaude Cowork एक बहुत सक्षम मॉडल, मज़बूत प्रति-ऐप अप्रूवल टियर और कहीं से भी रोकने के लिए Esc लाता है। यह स्क्रीनशॉट और कोऑर्डिनेट्स से काम करता है, Windows पर दिखने वाली स्क्रीन इस्तेमाल करता है और एक बार में एक सेशन चलाता है। Melaya accessibility tree पढ़ता है, जहां OS इजाज़त देता है वहां बैकग्राउंड में काम करता है, हर कॉल में कई स्टेप्स प्लान करता है, और Claude या कोई भी दूसरा मॉडल चला सकता है।
Claude Cowork का विकल्प: पूरी तुलनाOpenClaw, Hermes Agent और Claude Cowork अपने-अपने मालिकों के ट्रेडमार्क हैं। Melaya उनसे संबद्ध नहीं है।
एजेंट सिर्फ़ उन्हीं ऐप्स को देखते और छूते हैं जिन्हें आप चालू करते हैं, आपके चुने स्तर पर। ये नियम हर रन पर, हर जगह से लागू होते हैं।
दो बार जांचा जाता है: सर्वर आपके स्तर लागू करता है, फिर आपके कंप्यूटर पर मौजूद ऐप एक्शन से पहले फिर से जांचता है।
यहां Linux कोई प्रयोग नहीं, एक फ़र्स्ट-क्लास डेस्कटॉप है। डेस्कटॉप ऐप X11 और Wayland पर AT-SPI2 के ज़रिए Linux ऐप्स पढ़ता है। कोई स्क्रीन ही नहीं? किसी हेडलेस सर्वर या VM पर Melaya रनर चलाएं और यह उसी अनुमतियों, अप्रूवल और टाइमलाइन के साथ आपके एजेंट इस्तेमाल कर सकने वाला कंप्यूटर बन जाता है।
रनर CLI और VM गाइडnpx @melaya/runner --computerकंप्यूटर टूल्स का एक सेट, जहां भी आप इनका इस्तेमाल करें वहीं समान अनुमतियां और अप्रूवल।
काम आसान शब्दों में टाइप करें और इसे अपने कंप्यूटर पर कदम-दर-कदम होते देखें, अप्रूवल सीधे वहीं।
आपके अपने कंप्यूटर पर शेड्यूल्ड रन, जब आप सो रहे हों या मीटिंग में बैठे हों। कस्टम हिस्सों के लिए Python टूल्स।
Melaya को Claude Code, Codex, Cursor या Claude में जोड़ें। आपके AI को आपकी अनुमतियों और अप्रूवल के साथ कंप्यूटर टूल्स मिल जाते हैं।
api.melaya.org/mcpmelaya_computer_*पहले से किसी coding agent में काम करते हैं? एक बार Melaya MCP सर्वर जोड़ें और यह आपकी मंज़ूरी वाले डेस्कटॉप ऐप्स चला सकता है और लंबे काम फ़ास्ट मोड को सौंप सकता है। कमांड-लाइन का काम आपके coding agent में ही रहता है। डेस्कटॉप वह हिस्सा है जहां यह पहले नहीं पहुंच सकता था।
MCP सर्वर सेट अप करेंइनके साथ भी काम करता है: Browser Control और Device Control: वेब पढ़ें, डेस्कटॉप ऐप अपडेट करें, फ़ोन पर पुष्टि करें, सब एक ही रन में।
इसे हर जगह इस्तेमाल करेंपांच काम जो टीमें सबसे पहले Computer Control को सौंपती हैं।
मंथली एक्सपोर्ट साफ़ करें, फ़ॉर्मूले नीचे तक भरें, क्षेत्र के हिसाब से pivot करें और CSV वहां सेव करें जहां फाइनेंस को चाहिए। एजेंट सेल को रो के रूप में पढ़ता है, पिक्सेल के रूप में नहीं, तो यह पूरी शीट पर काम करता है।
Excelइनबॉक्स को भेजने वाले और विषय के हिसाब से सॉर्ट करें, इनवॉइस फ़ाइल करें, जिस पर आपकी ज़रूरत है उसे फ़्लैग करें और आपकी मंज़ूरी के लिए जवाब ड्राफ़्ट करें। Safe mode में भेजना हमेशा पहले पूछता है।
Outlookडेस्कटॉप ERP से महीने के आखिर का लेजर निकालें, Excel में इसे फिर से बनाएं और शेयर्ड ड्राइव पर सेव करें। इसे शेड्यूल करें और यह हर महीने आपके अपने कंप्यूटर पर चलता है।
डेस्कटॉप ERP · Excelस्प्रेडशीट से लीड्स डेस्कटॉप CRM में फ़ील्ड दर फ़ील्ड कॉपी करें, और आगे बढ़ने से पहले जांचें कि हर रिकॉर्ड सेव हुआ।
Excel · डेस्कटॉप CRMहर बिल्ड के बाद अपने ऐप में क्लिक करके जांचें, जो दिखा उसकी तुलना जो दिखना चाहिए था से करें, और वह एग्ज़ैक्ट स्टेप बताएं जो टूटा। इसे CI में किसी Linux VM पर चलाएं।
आपका ऐप · Windows, macOS, Linuxछोटी बात: एजेंट आपकी मंज़ूरी वाले ऐप्स में काम करता है, हर स्टेप जांचता है, और जब आप कहें रुक जाता है।
एक AI एजेंट जो कंप्यूटर को उसकी स्क्रीन, माउस और कीबोर्ड के ज़रिए चलाता है, वैसे ही जैसे कोई इंसान चलाता है, तो यह बिना API वाले ऐप्स में भी काम कर सकता है। Melaya का कंप्यूटर यूज़ एजेंट पहले ऐप का accessibility tree पढ़ता है, एग्ज़ैक्ट एलिमेंट्स पर काम करता है और हर नतीजा जांचता है।
Windows 10 और 11, macOS 13 या नया, और X11 तथा Wayland पर Linux डेस्कटॉप। हेडलेस Linux मशीन और VM Melaya रनर के ज़रिए काम करते हैं, जिसे npx @melaya/runner --computer से शुरू किया जाता है।
स्क्रीनशॉट एजेंट हर क्लिक के लिए एक मॉडल कॉल करते हैं और एक स्क्रीनशॉट लेते हैं। System One विंडो एक बार पढ़ता है, एक कॉल में कई स्टेप्स प्लान करता है, और Melaya accessibility tree पर हर स्टेप ग्राउंड करता है और जांचता है। हर टास्क में बहुत कम मॉडल कॉल और इमेज।
हां। OpenClaw एक बड़े skill ecosystem के साथ ओपन सोर्स है। इसके सार्वजनिक दस्तावेज़ों (अक्टूबर 2026) के मुताबिक, इसका Windows और Linux ड्राइवर experimental और सिर्फ़ प्राइमरी-डिस्प्ले है। Melaya Windows, macOS, Linux और हेडलेस VM पर चलता है, प्रति-ऐप स्तर, अप्रूवल और वेरिफ़ाइड राइट के साथ।
Claude Cowork के पास एक बहुत सक्षम मॉडल और मज़बूत प्रति-ऐप अप्रूवल टियर हैं। Anthropic के दस्तावेज़ों (अक्टूबर 2026) के मुताबिक, यह बिना accessibility tree के, स्क्रीनशॉट और कोऑर्डिनेट्स से काम करता है। Melaya accessibility tree पढ़ता है, हर कॉल में कई स्टेप्स प्लान करता है, और Claude या कोई भी दूसरा मॉडल इस्तेमाल कर सकता है।
Hermes Agent बैकग्राउंड-फ़र्स्ट है और इसमें एक learning loop है जो skills लिखता है। इसके दस्तावेज़ (अक्टूबर 2026) बताते हैं कि elevated Windows विंडो पर, एक क्लिक कुछ न करते हुए भी सफलता बता सकता है। Melaya admin विंडो पहले ही पहचान लेता है और झूठी सफलता के बदले कोई असर नहीं बताता है।
पासवर्ड मैनेजर, बैंकिंग और ट्रेडिंग ऐप्स, टर्मिनल और सिस्टम सेटिंग्स डिफ़ॉल्ट रूप से बंद रहते हैं, और एजेंट पासवर्ड फ़ील्ड में कभी टाइप नहीं करता। आप तय करते हैं कि यह कौन से ऐप्स इस्तेमाल कर सकता है और कितनी हद तक: view, click या full।
Melaya में आप जो भी मॉडल इस्तेमाल करते हैं: Claude, GPT, Gemini, Qwen, Ollama या LM Studio के ज़रिए लोकल मॉडल, या आपकी अपनी Claude Code या Codex सब्सक्रिप्शन। फ़ास्ट मोड मॉडल कॉल कम रखता है, तो छोटे मॉडल भी अच्छा काम करते हैं।
ऐप और हर एक्शन आपके कंप्यूटर पर चलते हैं। एजेंट आपकी मंज़ूरी वाले ऐप्स से जो पढ़ता है वह आपके चुने मॉडल तक जाता है। कोई लोकल मॉडल चुनें और यह आपकी मशीन पर ही रहता है।
Browser Control वेब पेज चलाता है, Device Control एक Android फ़ोन चलाता है, Computer Control डेस्कटॉप ऐप्स चलाता है। वही एजेंट, वही अनुमतियां और अप्रूवल, और एक रन तीनों इस्तेमाल कर सकता है।
पूरी computer use तुलनाएं:OpenClaw का विकल्पHermes Agent का विकल्पClaude Cowork का विकल्प
डेस्कटॉप ऐप इंस्टॉल करें, यह कंप्यूटर कनेक्ट करें, जिन ऐप्स में मदद चाहिए उन्हें चालू करें, और पहला उबाऊ काम सौंप दें।
आपके कंप्यूटर पर चलता है। जब तक आप इजाज़त न दें, ऐप्स बंद रहते हैं। Stop एक शॉर्टकट दूर है।