大家好。我又来了，抱着打破砂锅问到底的态度，把 Claude Code 源码的 src/utils/ 目录彻底翻了个底朝天。
结果，我发现了一个足以颠覆大家对命令行工具认知的秘密。
你以为 Claude Code 只是一个能在终端里敲敲命令、改改代码的辅助工具？
大错特错！在它的源码深处，竟然藏着全套的**桌面控制（Computer Use）和浏览器自动化（Chrome 接管）**模块。
是的，只要给它权限，它完全可以把你的电脑当成自己的游乐场。
今天咱们就来扒一扒，Claude Code 是如何突破终端黑框框的束缚，化身为全能 Agent（智能体）的。
我将带你直接深入源码，用真实的依据来说话。
学习目标
在这篇绝对硬核的压轴之作里，你会学到：
- 跨语言的底层调用：Node.js CLI 如何通过 Rust 和 Swift 模块控制你的鼠标键盘。
- 巧妙的窗口管理策略：大模型截屏时如何避免拍到自己（Terminal 穿透技术）。
- 浏览器接管：MCP 协议如何成为 CLI 与 Chrome 扩展之间的通信桥梁。
- 云端接力：探索神秘的
Ultraplan指令，看它如何将重度任务卸载到云端多智能体。
源码探秘：当 AI 长出手眼
1. 桌面控制（Computer Use）：鼠标、键盘与截屏
当我打开 src/utils/computerUse/executor.ts 文件时，我看到了极其震撼的注释和代码。
Anthropic 的工程师们在这里集成了两个底层原生模块，直接跨语言调用操作系统的底层能力：
@ant/computer-use-input：底层使用 Rust（依赖enigo库），专门负责模拟鼠标移动、点击和键盘敲击。@ant/computer-use-swift：底层使用 macOS 原生 Swift API（如SCContentFilter和NSWorkspace），专门负责高性能截屏和获取前台应用信息。
也就是说，如果 Claude 遇到了一个它无法通过命令行解决的 Bug，它甚至可以自己打开模拟器，通过视觉截屏分析 UI 界面，然后直接用鼠标去点击界面的按钮！
防穿帮设计（Terminal as Surrogate Host）： 这里有一个极其精妙的设计。因为大模型是在终端里运行的，如果它截屏，难道截到的全是满屏幕滚动的代码日志？
在源码的注释里，工程师详细解释了 getTerminalBundleId() 的作用：
- 代码会检测当前运行的终端应用（比如 iTerm2 还是 macOS Terminal），并在截屏时主动把终端窗口从画面中排除（Capture Excluding）。
- 同时，它甚至在点击事件时绕过终端窗口，确保点击能精准落在背后的目标应用上。
源码中是这样处理剪贴板的，它没有依赖庞大的 Electron 模块，而是直接调用了 macOS 的 pbcopy 和 pbpaste，非常轻量硬核：
// 节选自 src/utils/computerUse/executor.ts
async function readClipboardViaPbpaste(): Promise<string> {
const { stdout, code } = await execFileNoThrow('pbpaste', [], {
useCwd: false,
})
if (code !== 0) {
throw new Error(`pbpaste exited with code ${code}`)
}
return stdout
}
为什么目前不支持 Windows？
在探索这段代码时，我发现了一个关键的跨平台限制：桌面控制目前被强行锁死在了 macOS，暂时不支持 Windows。
工程师直接在核心执行器的入口写死了拦截：
// 节选自 src/utils/computerUse/executor.ts
export function createCliExecutor(opts: { ... }): ComputerExecutor {
if (process.platform !== 'darwin') { // 'darwin' 即 macOS
throw new Error(
`createCliExecutor called on ${process.platform}. Computer control is macOS-only.`,
)
}
// ...
}
这并非他们不想支持，而是卡在了智能截屏与窗口管理。
底层键盘鼠标库 @ant/computer-use-input (Rust/enigo) 其实是跨平台的，但为了实现上述精妙的“终端穿透”，系统截屏模块 @ant/computer-use-swift 深度依赖了 macOS 原生的 SCContentFilter 和 NSWorkspace。
在未来，Anthropic 只需补充一个调用 Windows DXGI 和 Win32 API 的底层包，就能平滑解锁 Windows 桌面。
2. 浏览器接管（Claude in Chrome）
如果你觉得控制鼠标还不够，来看看 src/utils/claudeInChrome/mcpServer.ts。
官方在这里利用 MCP（Model Context Protocol）协议，搭建了一个桥接服务。
它的作用是让 CLI 工具能够直接与你浏览器里的 Claude for Chrome 插件进行实时通信。
源码显示，这个桥接不仅支持通过 WebSocket 连接到官方的 Bridge 服务器，还支持本地连接。
// 节选自 src/utils/claudeInChrome/mcpServer.ts
function getChromeBridgeUrl(): string | undefined {
const bridgeEnabled =
process.env.USER_TYPE === 'ant' ||
getFeatureValue_CACHED_MAY_BE_STALE('tengu_copper_bridge', false)
if (!bridgeEnabled) {
return undefined
}
if (
isEnvTruthy(process.env.USE_LOCAL_OAUTH) ||
isEnvTruthy(process.env.LOCAL_BRIDGE)
) {
return 'ws://localhost:8765'
}
// ...
return 'wss://bridge.claudeusercontent.com'
}
在 createChromeContext 函数中，CLI 注册了处理工具调用的回调，比如当浏览器插件断开连接时，会提示用户：
"Browser extension is not connected. Please ensure the Claude browser extension is installed and running..."
这意味着，大模型如果需要查阅文档或进行端到端测试，它可以直接通过 MCP 协议向 Chrome 插件发送指令：
- 获取当前页面的 DOM 结构（绕过反爬虫）、点击网页上的某个链接、或者在输入框里填入测试数据。
- Claude Code 彻底打通了从“本地源码修改”到“浏览器预览与测试”的全链路自动化。
与桌面控制不同，浏览器接管已完美支持 Windows！
虽然电脑控制目前只支持 macOS，但我在源码中发现，浏览器自动化这部分是完全跨平台的。
在 src/utils/claudeInChrome/setupPortable.ts 里，工程师不仅支持了 macOS 和 Linux，甚至连 Windows 的各个 Chromium 内核浏览器路径都穷举了一遍：
// 节选自 src/utils/claudeInChrome/setupPortable.ts
export function getAllBrowserDataPathsPortable(): BrowserPath[] {
// ...
switch (process.platform) {
// ...
case 'win32': {
if (config.windows.path.length > 0) {
// 专门针对 Windows 的 AppData 目录结构进行了判断
const appDataBase = config.windows.useRoaming
? join(home, 'AppData', 'Roaming')
: join(home, 'AppData', 'Local')
paths.push({
browser: browserId,
path: join(appDataBase, ...config.windows.path),
})
}
continue
}
}
// ...
}
他们甚至硬核到将 Windows 上的 Chrome、Edge、Brave、Arc、Vivaldi 等主流浏览器的用户配置路径全写进了枚举配置里。
所以，只要你在 Windows 电脑上使用支持的浏览器，MCP 桥接通道畅通无阻，大模型依然可以愉快地帮你自动跑测试、查资料。
3. 云端大脑接力：神秘的 Ultraplan
大模型在本地终端里跑，受限于 Token 窗口，遇到极其复杂的架构重构任务怎么办？
在 src/utils/ultraplan/ccrSession.ts 里，我找到了答案。这里隐藏着一个强大的端云协同机制。
CCR 代表 Claude Code Remote，当任务过于庞大时，系统会将任务打包，传送到云端多智能体环境中执行。
源码中定义了详细的轮询和状态解析逻辑，它会不断地拉取云端的执行事件（pollRemoteSessionEvents），直到获取到一个被批准的最终执行计划（Exit Plan）。
// 节选自 src/utils/ultraplan/ccrSession.ts
export type ScanResult =
| { kind: 'approved'; plan: string }
| { kind: 'teleport'; plan: string }
| { kind: 'rejected'; id: string }
| { kind: 'pending' }
| { kind: 'terminated'; subtype: string }
| { kind: 'unchanged' }
export class ExitPlanModeScanner {
// ... 纯状态分类器，用于解析 CCR 事件流
ingest(newEvents: SDKMessage[]): ScanResult {
// 遍历云端返回的事件，寻找 EXIT_PLAN_MODE_V2_TOOL_NAME 相关的工具调用
// ...
}
}
更令人拍案叫绝的是，源码中有一个名为 __ULTRAPLAN_TELEPORT_LOCAL__ 的魔法字符串（Sentinel）。
当你在浏览器的云端任务界面点击“传送回终端执行”时，云端会将这个标记连同制定好的计划一起发回本地，你的 CLI 接收到后，就会像拿到剧本一样，开始在你的本地机器上飞速敲代码！
这种端云协同、算力卸载的架构，本地负责执行，云端负责深度思考和推演，绝对是未来 AI 编程工具的发展方向！
最后：这才是完全体的 Agent
看完 src/utils/computerUse/、claudeInChrome/ 和 ultraplan/ 的源码，我深受震撼。
Anthropic 并没有把 Claude Code 局限为一个“聊天机器人 + 文件读写器”，而是把它定位成了一个长了手、长了眼、还能召唤云端分身的超级数字员工。
它能敲 Bash 命令，能控制你的鼠标键盘，能读懂你的 Chrome 浏览器，遇到搞不定的活儿还能呼叫云端大哥帮你推演架构。
能把这么多超前的黑科技塞进一个 NPM 安装包里，并且在代码架构上保持得如此优雅（大量使用 MCP 解耦，跨语言调用处理得滴水不漏），这源码扒得实在是太值了。
一键三连奥，关注不迷路哈！
