Um projeto de código aberto chamado ccdesk (abre em nova aba) dá ao Claude Code, o assistente de programação da Anthropic que trabalha no terminal, o controle do mouse e do teclado no desktop Linux. Com ele, o modelo tira capturas de tela, move e clica o mouse, digita e aperta atalhos. Também lista e alterna janelas e usa a área de transferência. O perfil @saber4_, que diz ter construído a ferramenta, anunciou-a no X na segunda-feira (19). O arquivo de configuração do pacote registra Sara Benel como autora.
O controle do mouse é a parte vistosa. A parte útil é a conta. O projeto mediu quanto custa deixar uma IA enxergar a tela e descobriu que a primeira versão gastava mais do que trabalhar sem ela. Depois chegou a um método que, numa tarefa de teste, consumiu 37% menos. Para quem paga por uso de IA ou esbarra nos limites do plano, o dado que interessa é esse.
O que ele faz
Tecnicamente, o ccdesk é um servidor MCP, o padrão aberto criado pela Anthropic para plugar ferramentas externas no Claude. Depois de instalado, entrega ao Claude Code 15 ferramentas:
- capturar a tela, clicar, mover, arrastar, rolar, digitar texto e apertar teclas;
- listar janelas, ativar uma janela, usar a área de transferência e esperar;
- um diagnóstico (doctor);
- ler a estrutura da interface (ui_tree) e clicar num elemento pelo nome (click_element);
- abrir programas (launch), que só funciona se o usuário ligar a opção
--allow-launch.
O trabalho pesado fica com utilitários antigos do Linux: xdotool, scrot, wmctrl e xclip. Segundo o README, o usuário provavelmente já os tem instalados. O núcleo usa apenas a biblioteca padrão do Python, e a única dependência é o pacote oficial mcp. Quanto menos peças de terceiros, menos coisa para quebrar.
O pacote traz também uma skill, espécie de manual que ensina o Claude a operar com cautela: tira uma captura, executa uma ação, confere o resultado. Uma ação por vez.
O preço de olhar
Cada imagem enviada ao Claude é convertida em tokens. É a unidade que mede o volume de material processado pelo modelo, e ela vai para a fatura ou para a cota do plano. Segundo o README, uma imagem custa cerca de largura × altura ÷ 750 tokens:
- a tela inteira de um monitor Full HD (1920 × 1080) sai por uns 2.765 tokens;
- reduzida à metade (960 × 540), por 691;
- um recorte de 600 × 300, por 240.
Parece pouco até se fazer a soma. Numa sessão real no Play Console, o painel do Google para publicar aplicativos Android, 17 capturas responderam por cerca de 70% de todo o contexto consumido. O contexto é o espaço em que o modelo guarda o que viu e fez durante a conversa, e esse espaço tem limite.
Ler em vez de ver
A saída encontrada dispensa a fotografia. Os ambientes gráficos do Linux mantêm, para os leitores de tela usados por pessoas cegas, uma descrição estruturada de cada janela: que botões existem, como se chamam, onde estão os campos. É a chamada árvore de acessibilidade, servida por um sistema chamado AT-SPI. O ccdesk a lê com o ui_tree e clica nos itens pelo nome, com o click_element. Num teste de preencher e salvar um formulário, bastaram duas leituras de uns 150 tokens cada, sem nenhuma captura de tela. O caminho mais barato para a IA usar o computador passou pela tecnologia feita para quem não enxerga.
A autoria comparou os métodos na mesma tarefa de formulário, com três rodadas por cenário e os números de consumo informados pelo próprio Claude Code:
| Cenário | Tokens de entrada | Diferença em relação a não usar o ccdesk |
|---|---|---|
| Sem o ccdesk | 89 mil | — |
| ccdesk com capturas de tela | 118 mil | cerca de +33% |
| ccdesk com árvore de acessibilidade e outros ajustes | 63 mil | −29% |
O mesmo, com a opção --always-load | 57 mil | −37% |
O dado mais revelador está na segunda linha. Com capturas de tela, o ccdesk custava cerca de um terço a mais do que fazer o serviço sem ele. Ferramenta que publica o número contrário à própria primeira versão merece algum crédito. Os números, porém, são de quem fez o projeto e saem de uma única tarefa.
No anúncio, o perfil que assina o projeto resumiu a trajetória comparando a primeira execução com a mais recente:
Construí o ccdesk, um servidor MCP que permite ao Claude Code usar meu desktop Linux. Primeira execução: 17 capturas de tela, ~48 mil tokens. Um post no X hoje: 4 leituras da árvore de acessibilidade, ~760 tokens, sem capturas de tela. Feito com @claudeai e @trycua. Gráfico pelo pele, do @kepano. https://github.com/asloth/ccdesk
As contas batem com a tabela do README: 17 capturas de tela inteira, a cerca de 2.765 tokens cada, chegam perto dos 48 mil da primeira tentativa.
Um vazio que a Anthropic diz ter preenchido
O README justifica o projeto com uma frase seca: não existe aplicativo Claude Desktop para Linux. A Central de Ajuda da Anthropic (abre em nova aba), em página atualizada em 13 de outubro, diz outra coisa. Lá, o Claude Desktop aparece disponível para macOS, Windows e Linux, este último em versão beta. No Ubuntu e no Debian, a instalação é feita pelo repositório da empresa ou por pacote .deb para processadores x64 e arm64. Uma das duas informações está velha. Quem procura o aplicativo oficial deve ficar com a da fabricante.
Para o ccdesk, a contradição pesa menos do que parece. Ele roda dentro do Claude Code, não do aplicativo. E o argumento a seu favor está nos números de tokens, não na ausência de concorrente.
Para quem é
O ccdesk não é para quem nunca abriu um terminal. Ele exige:
- Linux;
- Python 3.10 ou mais recente;
- o Claude Code instalado, que na tabela de recursos da Anthropic aparece apenas nos planos pagos (Pro, Max, Team e Enterprise), não no gratuito.
O pacote se declara aplicação para X11, o sistema gráfico tradicional do Linux, e cita também o Wayland entre suas palavras-chave. Depois da instalação, basta reiniciar o Claude Code e digitar /mcp: o ccdesk deve aparecer listado com as 15 ferramentas. A licença é MIT, que permite usar, alterar e redistribuir o código livremente.
Mesmo quem nunca vai instalá-lo pode levar uma lição prática. Quando o Claude trabalha olhando a tela, cada captura inteira custa milhares de tokens. Recortar a área que interessa reduz a conta a menos de um décimo, e ler a estrutura da janela reduz ainda mais. O ccdesk demonstrou isso com números, e é por eles, mais do que pelo mouse, que o projeto merece atenção.