Grok Bot は、役割を持ったエージェントを置いて作業を任せられるデスクトップアプリです。私は早期アクセス（初期のコードネームは「Sand」）参加のため、リリース前にいろいろ触ることができました。

前回は、Grok Bot がどんなアプリなのか、という入口の話を書きました。今回は、混同しやすい Computer Use の話です。

「AIが画面をクリックする」と聞くと、自分のMacを直接いじられるイメージになりがちですが、Grok Bot の場合は少し違います。

何が違うのか

Codex / ChatGPT の Computer Use は、自分の Mac や Windows を見たり操作したりする方向です。画面収録やアクセシビリティの許可が必要で、本体のアプリを相手にします。

Grok Bot の Computer Use が動かすのは、エージェント側のコンピュータです。Docker やクラウド上の Linux デスクトップで、自分の普段使いの画面そのものではありません。

	Codex 側でよくある Computer Use	Grok Bot の Computer Use
触る場所	自分のPC	エージェント専用のコンピュータ
自分の画面	見られる・操作されやすい	基本は触らない
ノートを閉じたとき	続きにくいことが多い	クラウド側なら続けやすい

名前は似ていますが、触っているマシンが違います。

エージェントのコンピュータを開いたところ。エージェントが Chrome でフライトを検索していますが、この画面は自分のMacのデスクトップには出てきません。チャットの上に、覗き窓として重なって表示されます。

もうひとつ混同しやすいのが、「エージェントのコンピュータ上の作業＝全部が画面クリック」というイメージです。実際はもう少し分かれます。

ブラウザ作業: ページの要素を直接操作する形で進むことが多い
デスクトップ作業: GUIアプリ、ファイルダイアログ、ドラッグ操作など、画面を見ながらのクリック／入力が要るとき

どちらも場所はエージェント側のコンピュータです。見た目の Computer Use という言葉の下に、ページ操作とデスクトップ操作が同居している、くらいに捉えると実態に近いです。

エージェントにも「自分のコンピュータ」がある

Grok Bot では、作業場所がだいたいこう分かれます。

エージェントのコンピュータ
ブラウザを開く、ログインが必要なサイトを見る、画面を見ながら操作する、ファイルを作る、など。Computer Use もここ。
自分のPC
手元のファイル、Docker、Xcode、ローカルのコマンドなど。触るときは許可が入ります。
クラウドのコーディングエージェント
GitHub 上の実装や PR 作成など、リポジトリ作業向け。

全部を自分のMacでやらせない、というのがポイントです。
まずエージェント側で進め、どうしても手元が必要なときだけ自分のPCに来る、という感じです。

エージェントのコンピュータが更新されているところ。バックアップ、再作成、起動と進んでいて、自分のMacとは別の作業機がエージェント側に用意されているのが分かります。

「ノートを閉じても働く」について

ここは便利な半面、少しだけ条件があります。

Grok Bot のコンピュータがクラウド側で動いているなら、自分のノートを閉じても作業を続けやすいです。Slack でも、そこが売りとして話されていました。inbox やポータル、Webページに入って進める、という用途と相性がいいです。

一方で、エージェントのコンピュータをローカル Docker で動かしている場合は別です。Docker が自分のMac依存なので、ノートを閉じたりスリープしたりすると止まりえます。
ここで言う Docker は、手元の Docker Desktop など、自分のMac側のランタイムです。Grok Bot の機能そのものではありません。
私の環境ではローカル Docker のこともありました。製品の話としてはクラウド側が前提、くらいに捉えるとよさそうです。

何が向いているか

向いているのは、APIだけでは届きにくい仕事です。

ログインあとの管理画面
inbox の確認や下書き
ポータルやWebの手続き
コネクタがないサービスの操作

「RPAを本格導入するほどではないけど、毎回手でやるのは面倒」みたいなところに入りやすいです。

あと、真面目な自動化だけじゃなく、変な使い方を試すのもありだと思います。道具の幅が見えやすくなるので。

セキュリティの話

専用コンピュータに分けている大きな理由は、隔離です。

自分の書類やキーチェーンや、日常使いのデスクトップと、エージェントの作業場を混ぜにくくできます。便利さのために本体権限を広げすぎない、という考え方です。

もちろん、パスワード入力や支払い、確認が必要な場面は残ります。全部ほったらかし、ではありません。
任せられる範囲を、少し安全側に倒して広げる、というイメージです。

まとめ

Grok Bot の Computer Use は、基本的にエージェント専用コンピュータの操作
自分のMacを直接触る Codex 系の Computer Use とは違う
エージェント側でも、ブラウザのページ操作とデスクトップ操作は分かれることが多い
クラウド側なら、ノートを閉じても続けやすい
inbox / portal / webpage みたいなログイン後の仕事と相性がいい

次の記事では、Realtime Translator を証明書付きで公開する作業の話を書きます。

この記事は早期アクセス時の評価に基づいたものです。正式版で変更になっている点もあるでしょうし、技術情報やヘルプもない状態だったので、正しい使い方であったのかも不明です。その前提でお読みください。