Cómo automatizar aplicaciones Windows antiguas sin una API

Por qué falla la automatización mediante API

Es posible automatizar aplicaciones Windows antiguas sin una API, pero la automatización normal mediante API no resuelve este problema. Muchas herramientas contables, sistemas ERP, programas de almacén y utilidades internas no ofrecen API, SDK ni soporte para scripts. Sus procesos importantes solo están disponibles mediante botones, formularios, menús y cuadros de diálogo.

La alternativa práctica es GUI Computer Use: un agente de IA se conecta al escritorio real mediante RDP o VNC, lee la pantalla, ejecuta una acción controlada y comprueba el resultado.

Flujo práctico con un agente de IA y RDP/VNC

Con rdp-cli, el agente puede conectarse a un escritorio RDP o VNC existente donde ya esté instalada la aplicación. Sigue la guía de inicio rápido y guarda el ID de sesión devuelto.

El ciclo fiable es:

Capturar la pantalla actual.
Localizar el campo, botón o diálogo siguiente.
Ejecutar una acción pequeña.
Capturar la pantalla otra vez.
Confirmar el resultado real antes de continuar.

Por ejemplo, el agente puede inspeccionar una aplicación Windows remota así:

rdp-cli screenshot --session SESSION --out before.png

rdp-cli click --session SESSION --desktop \
  --x X --y Y --observation OBSERVATION

rdp-cli screenshot --session SESSION --out focused.png

rdp-cli type --session SESSION \
  --text "Remote task completed." \
  --observation NEW_OBSERVATION

rdp-cli screenshot --session SESSION --out after.png

Las coordenadas y los valores de observation deben proceder de la captura más reciente. Que el comando de clic termine correctamente solo significa que se envió la entrada; no demuestra que la aplicación la haya aceptado.

Archivos y revisión humana

Un flujo habitual consiste en subir una hoja de cálculo al espacio de trabajo remoto, abrirla con una herramienta antigua de informes, elegir un periodo, exportar un PDF y descargar el archivo terminado. Las sesiones RDP pueden intercambiar archivos y carpetas si el servidor permite la redirección de unidades. VNC sirve para controlar un escritorio existente, pero la transferencia de archivos y otras funciones dependen del protocolo y de la configuración del servidor.

Si aparece un diálogo inesperado o hace falta una aprobación, una persona puede observar la misma sesión, pausar la entrada del agente, tomar el control en una ventana nativa o en un navegador autorizado y devolver la sesión al agente después.

Reglas para reducir fallos

Usa acciones pequeñas y verificables, no largas secuencias de clics.
Captura una pantalla nueva después de las acciones importantes.
Espera a que aparezcan las pantallas de carga y los diálogos.
Detén el flujo ante pantallas de inicio de sesión, avisos o errores inesperados.
No pongas contraseñas ni claves API en los prompts ni en el contenido.
Usa una red de confianza o una VPN y concede solo los permisos necesarios.

Si existe una API estable, úsala primero. La automatización GUI es más útil cuando la aplicación es gráfica, antigua o imposible de integrar. Permite que un agente de IA opere el software Windows que la empresa ya utiliza, sin tener que reconstruirlo.

Consulta las funciones de RDP y VNC de rdp-cli para ver la configuración.