1 配置omniparserserver

1.1 配置conda环境、下载依赖和权重

我建议按照OmniParser v2本地部署（1）部署OmniParser_v2模型先设置一次，其中所创造的conda环境，和这一步相似

1.2 启动omniparserserver

进入OmniParser/omnitool/omniparserserver，激活conda环境后，python -m omniparserserver启动服务器，显示下面的信息表示启动成功

2 配置omnibox

2.1 安装docker

2.2 下载windows11镜像

我这里直接下载的推荐的Windows 11 Enterprise Evaluation (90-day trial, English, United States)，下面的信息随便填就行

然后下载指定镜像，把下载好的镜像改名为custom.iso，放到OmniParser/omnitool/omnibox/vm/win11iso

2.3 启动VM管理脚本

进入OmniParser/omnitool/omnibox/scripts，输入命令

./manage_vm.sh create

然后等待，它会一直提示waiting for a response from computer .....，是正常的，多等一等，直到显示VM + server is up and running!表示启动成功

3 配置gradio

进入OmniParser/omnitool/gradio，里面有个app.py

我建议把里面的最后一行的内容，修改成下面的情况，不然有可能因为使用了飞机而无法启动

运行该程序

进入它给的url即可进入ui界面

4 使用omnitool

我这里选择的使用通义模型，然后填入申请的API

我这里输入命令：关闭浏览器

左边是各种截图命令等等，右边是镜像演示，左边进行任务分析，然后在右边进行操作，试了几个简单的指令，发现并不是很智能，而且花费巨大，“打开浏览”这个操作需要0.182美元