rdp-cli
So reduzieren Sie den Token-Verbrauch von AI-Agent-Screenshots
Zuletzt aktualisiert: 6. November 2026
Geprüft vom rdp-cli-Team
Wenn ein AI Agent einen Remote Desktop steuert, liefern Screenshots die Informationen für den nächsten Schritt. Wird nach jedem Klick der gesamte Bildschirm in hoher Auflösung übertragen, steigen Token-Verbrauch, Latenz und Kosten schnell an.
Nur die PNG-Datei zu komprimieren reicht nicht. Entscheidend ist, irrelevante Bildbereiche und wiederholte, unveränderte Screenshots zu vermeiden.
Die praktische Strategie lautet:
Nur den benötigten Bereich aufnehmen, Bilder bei Bedarf verkleinern, auf Änderungen warten und nur gezielt prüfen.
Mit rdp-cli kann ein Agent RDP-, VNC-, X11- oder Android-Sitzungen steuern, Bildschirmbereiche aufnehmen und Beobachtungen vergleichen.
Kurzantwort: Wie reduziert man Screenshot-Tokens?
Nehmen Sie nur den benötigten Bereich auf, verkleinern Sie Bilder ohne erforderliche Detailtiefe, nutzen Sie die Änderungsprüfung und warten Sie auf Zustandsänderungen, statt den gesamten Desktop ständig abzufragen.
Vollbildaufnahmen sind vor allem zum Aufbau des Kontextes oder bei Layoutänderungen sinnvoll. Die aktuellen Optionen finden Sie in der rdp-cli-Befehlsdokumentation.
Warum verbrauchen hochauflösende Screenshots mehr Tokens?
Ein hochauflösender Screenshot enthält oft mehr Informationen, als der Agent benötigt. Typische Ursachen sind ein vollständiges 1920×1080-Bild nach jedem Schritt, dasselbe Bild vor und nach einem Klick, der gesamte Desktop für einen einzelnen Dialog und wiederholte Aufnahmen während des Ladens.
Die PNG-Dateigröße beeinflusst hauptsächlich die Übertragung. Der tatsächliche Verbrauch hängt auch von Bildgröße, Bildanzahl und den Regeln des Vision-Modells ab.
1. Bereichsaufnahmen verwenden
Wenn nur eine Schaltfläche, ein Dialog, eine Tabelle oder ein Statusfeld geprüft werden muss, nehmen Sie nur diesen Bereich auf:
rdp-cli screenshot \
--session SESSION \
--region 800,120,720,560 \
--out focused.png
Ersetzen Sie SESSION durch die Sitzungs-ID. --region verwendet Koordinaten des Remote-Bildschirms. Weitere Optionen finden Sie in der Befehlsreferenz.
2. Bilder bei Bedarf verkleinern
rdp-cli screenshot \
--session SESSION \
--region 800,120,720,560 \
--max-width 900 \
--out focused-small.png
Kleine Schrift, dichte Tabellen und komplexe Formulare können eine größere Aufnahme erfordern. Laut rdp-cli-Funktionsübersicht bleiben die Eingabekoordinaten auf den Remote-Bildschirm bezogen.
3. Änderungen erkennen
Vergleichen Sie beim Warten auf eine Anwendung die aktuelle Aufnahme mit einer früheren Beobachtung:
rdp-cli screenshot \
--session SESSION \
--since PREVIOUS_REFERENCE \
--region 800,120,720,560 \
--out current.png
Wenn sich der Bereich nicht geändert hat, kann der Agent weiter warten, ohne dasselbe Bild erneut zu verarbeiten.
4. Zustandsbasiert warten
Wenn nur eine Änderung festgestellt werden soll, verwenden Sie wait:
rdp-cli wait \
--session SESSION \
--condition changed \
--region 800,120,720,560
Für einen stabilen Bereich setzen Sie condition auf stable. So werden unnötige Aufnahmen vermieden und Aktionen während einer UI-Änderung verhindert.
5. Beobachten → handeln → prüfen
Nehmen Sie Bildschirm oder Zielbereich auf, führen Sie mit der neuesten Beobachtung eine Aktion aus, warten Sie auf Änderung oder Stabilität, nehmen Sie nur den Ergebnisbereich auf und prüfen Sie das erwartete Ergebnis.
Jede Eingabe benötigt ein aktuelles observation. Der Ablauf ist im rdp-cli-Schnellstart beschrieben.
Strategie für Remote-Desktop-Screenshots
Nehmen Sie beim Start einmal den vollständigen Desktop auf. Wechseln Sie danach zum Zielbereich, warten Sie nach wichtigen Aktionen auf Zustandsänderungen und speichern Sie nur relevante Bilder. Eine neue Vollbildaufnahme ist vor allem bei Layoutänderungen oder verlorenem Kontext nötig.
Einschränkungen
Ein Vollbild kann erforderlich sein, wenn mehrere Fenster verglichen werden, ein Fenster den Monitor wechselt, das globale Layout relevant ist, das aktive Fenster unbekannt ist oder ein unerwarteter Fehler untersucht werden muss.
rdp-cli stellt Verbindung, Screenshots, Eingaben, Dateien und Sitzungen bereit, enthält aber kein AI-Modell. Die externe AI entscheidet, was beobachtet und wie das Ergebnis bewertet wird.
FAQ
Wie reduziert man den Token-Verbrauch am besten?
Verwenden Sie Bereichsaufnahmen, vermeiden Sie Duplikate, warten Sie auf Zustandsänderungen und prüfen Sie nur den relevanten Ergebnisbereich.
Reduziert eine kleinere Aufnahme immer die Token?
Nicht immer. Das hängt vom Vision-Modell ab. Weniger Bildbereich und weniger Wiederholungen sind meist wichtiger.
Ist nach jeder Aktion ein Vollbild nötig?
Nein. Für normale Aktionen reicht oft eine Bereichsaufnahme.
Kann rdp-cli nur einen Teil des Remote-Bildschirms aufnehmen?
Ja. screenshot unterstützt --region.
Enthält rdp-cli ein AI-Modell?
Nein. rdp-cli steuert die Sitzung; der AI Agent übernimmt Planung und Interpretation.
Fazit
Weniger Screenshot-Tokens erreicht man durch gezieltere Beobachtungen:
Relevanten Bereich aufnehmen → eine Aktion ausführen → Änderung abwarten → nur das Nötige aufnehmen → Ergebnis prüfen.
So wird hochauflösende Remote-Desktop-Automatisierung effizienter, ohne das visuelle Feedback für den Agenten zu verlieren.