Screenbox：音声のみで構築されたAIエージェント向けオープンソース仮想デスクトップ

Screenboxの機能

Screenboxは、AIエージェント向けにDockerコンテナ内で隔離されたLinuxデスクトップを作成します。複数のAIエージェントを並列実行すると、通常は同じ画面、同じファイル、同じブラウザをめぐって競合が発生します。これにより、あるエージェントがファイルをダウンロードしている間に別のエージェントが上書きしたり、あるエージェントがChromeをクラッシュさせて別のエージェントがセッションを失ったりする問題が生じます。

主な特徴

• 各エージェントがDocker内で独自の隔離されたLinuxデスクトップを取得
• 完全なChromiumブラウザを含む
• 完全なファイルシステムの隔離
• ターミナルアクセス
• スクリーンショット、クリック、タイプ、シェル、ウィンドウ管理を含む21のMCPツール
• 人間がデスクトップで行えるすべての操作

開発詳細

このプロジェクトは、Claude Codeを使用した音声コマンドのみで完全に構築されました。作成者は「コードの一行も見たことがありません」と述べています。現在、仕事と個人プロジェクトの両方で毎日本番環境で稼働しています。

技術仕様

• ライセンス: AGPL-3.0
• GitHub: github.com/dklymentiev/screenbox
• ウェブサイト: screenbox.dev
• 実際のデスクトップでプロジェクト自体を使用しているデモ動画を公開

デモ動画のチャットパネルはデモンストレーション目的のモックですが、それ以外に表示されているものはすべて実際の機能です。