Claude Code vs Codex：Computer Use实现方式原理深度拆解实用指南

┌─────────────────────────────────────────────────────────────────────────┐
│                    Claude Code 架构                                      │
│                                                                         │
│  ┌──────────────┐   tool_use 请求   ┌─────────────┐  截图/动作执行       │
│  │  Claude API   │ ───────────────▶ │  Agent Loop  │ ──────┐            │
│  │  (Messages   │ ◀─────────────── │  (用户端)    │ ◀─────┤            │
│  │   API + Beta) │   tool_result    └─────────────┘       │            │
│  └──────────────┘                                ┌────────┴──────┐      │
│  tools: [computer_20251124, bash, text_editor]   │ Sandbox 环境   │      │
│  Beta Header: "computer-use-2025-01-24"          │ Xvfb + Mutter  │      │
│                                                  │ + Firefox/...  │      │
│  能力来源：模型基础视觉理解 + 工具调用对齐          └────────────────┘      │
└─────────────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────────────┐
│                    OpenAI Codex / GPT-5.4 架构                           │
│                                                                         │
│  ┌──────────────┐  computer_call 请求 ┌─────────────┐  截图/动作执行     │
│  │  Responses   │ ─────────────────▶ │  Agent Loop  │ ──────┐           │
│  │  API         │ ◀───────────────── │  (用户端)    │ ◀─────┤           │
│  │              │ computer_call_output└─────────────┘       │           │
│  └──────────────┘                                ┌────────┴──────┐       │
│  tools: [computer_use_preview]                   │ Sandbox 环境   │       │
│  参数: display_width, display_height, environment│ 默认禁网络     │       │
│                                                  │                │       │
│  能力来源：GPT-5.4 原生视觉+推理+RL 训练           └────────────────┘       │
└─────────────────────────────────────────────────────────────────────────┘

# 用户代码控制完整循环
while True:
    response = client.beta.messages.create(
        model="claude-opus-4-6",
        tools=[...],           # 工具定义在每次请求中
        messages=messages,     # 显式传递完整消息历史
        betas=["computer-use-2025-01-24"],
        thinking={"type": "enabled", "budget_tokens": 2000}
    )
    # 检查 stop_reason == "tool_use"
    # 执行工具 → 构造 tool_result → 追加到 messages

# 可用 previous_response_id 自动链接上下文
response = client.responses.create(
    model="gpt-5.4",
    previous_response_id=prev_id,  # 自动管理 history
    tools=[{...}],
    input=[...current step...]     # 只传本轮输入
)
# 检查 output 中的 computer_call
# 执行动作 → 构造 computer_call_output → 下轮请求

# Claude — tools 数组声明
tools = [{
    "type": "computer_20251124",       # 版本化工具类型
    "name": "computer",
    "display_width_px": 1280,          # 坐标空间声明
    "display_height_px": 720,
    "display_number": 1,
    "enable_zoom": True                # 可选功能开关
}]

# OpenAI — tools 数组声明（Responses API）
tools = [{
    "type": "computer_use_preview",
    "display_width": 1024,             # 坐标空间
    "display_height": 768,
    "environment": "browser"           # 环境类型提示
}]

截图原始分辨率 (screen_w × screen_h)
        ↓ 下采样
模型看到的图片 (display_w × display_h)
        ↓ 返回坐标
模型输出点击坐标 (click_x, click_y) —— 注意这是 display 坐标系！
        ↓ 缩放回去
实际执行位置 (click_x * screen_w/display_w, click_y * screen_h/display_h)

# 模型返回 display 坐标系的坐标，需要缩放回实际屏幕
scale_x = screen_w / display_w  # display_w 是传给 API 的值
scale_y = screen_h / display_h
actual_x = int(click_x * scale_x)
actual_y = int(click_y * scale_y)

# 无需手动拼接消息历史
response1 = client.responses.create(model="gpt-5.4", ...)
response2 = client.responses.create(
    model="gpt-5.4",
    previous_response_id=response1.id,  # 自动链接
    input=[...]  # 只传本轮
)