近日，微软的研究团队对 API 代理和 GUI 代理进行了对比研究，发现这两种代理各有特点，可以根据不同需求进行合理选择。API 代理通过可编程接口与软件进行交互，而 GUI 代理则模拟人类的操作方式，通过点击按钮和导航菜单来完成任务。例如，若要安排一个活动，API 代理可能只需一次函数调用，而 GUI 代理则需要打开日历应用，逐步填写相关信息。
在研究中，微软团队评估了这两种代理在九个类别上的表现。其中一个主要差异在于它们与软件的交互方式:API 代理利用函数调用，通常表现得更稳定且出错概率低;而 GUI 代理则依赖于视觉界面内容，虽然效率较低，却具备更高的灵活性。GUI 代理能够控制几乎所有具有可见界面的软件，即使这些软件并不提供 API。
研究还指出，API 代理在安全性和维护上具有优势，因为可以在功能级别限制访问权限，并且受益于版本控制。相比之下，GUI 代理则更加脆弱，稍微的视觉变化就可能导致其无法正常工作。然而，GUI 代理的透明度更高，用户可以清晰地看到每个操作，方便审计。
微软提出了三种结合 API 代理与 GUI 代理的混合系统策略。第一种是通过 API 封装隐藏 GUI 操作，例如将生成财务报告的多步骤过程简化为一个单一的 GenerateReport （） 函数。第二种策略是使用编排工具来协调 API 和 GUI 的步骤，适用于数据库查询和信用检查等工作流。第三种策略是低代码和无代码平台，允许非技术用户通过拖放界面构建自动化流程。
在选择合适的代理时，研究团队提供了明确的指导。API 代理适合性能要求高的任务，特别是在与良好文档的接口打交道时，而 GUI 代理则适用于缺乏 API 的旧系统以及移动应用等场景。随着时间的推移，混合系统能够适应新出现的 API，提供更大的灵活性。
划重点:
🌟 API 代理通过函数调用实现快速、稳定的任务完成，适合安全要求高的环境。
🔄 GUI 代理灵活性强，能够应对视觉界面的变化，适合老旧系统和需要视觉确认的任务。
🤝 混合系统结合了两者的优点，能根据具体需求选择最优方案，助力自动化进程。