rdp-cli

Como reduzir o uso de tokens das capturas de tela de um AI Agent

Última atualização: 6 de novembro de 2026
Revisado pela equipe rdp-cli

Quando um AI Agent controla um desktop remoto, as capturas fornecem as informações visuais necessárias para escolher a próxima ação. Enviar uma captura completa em alta resolução após cada clique pode aumentar o uso de tokens, a latência e os custos.

A solução não é apenas compactar o PNG. É preciso reduzir as áreas irrelevantes e evitar o envio repetido de capturas sem alterações.

A estratégia prática é:

Capturar apenas a região necessária, reduzir a imagem quando todos os detalhes não forem necessários, esperar mudanças e verificar somente o que importa.

Com o rdp-cli, o agente pode se conectar a sessões RDP, VNC, X11 ou Android, capturar uma região e comparar a tela atual com uma observação anterior.

Resposta rápida: como reduzir os tokens das capturas?

Capture apenas a região necessária, redimensione a imagem quando o detalhe completo não for importante, use detecção de mudanças e espere mudanças de estado em vez de consultar todo o desktop repetidamente.

Use capturas completas para estabelecer contexto ou lidar com mudanças de layout. Consulte a documentação de comandos do rdp-cli.

Por que capturas em alta resolução usam mais tokens?

Uma captura em alta resolução contém mais informação visual do que o agente normalmente precisa. Enviar toda a tela 1920×1080 após cada ação, repetir a mesma tela antes e depois de um clique ou capturar continuamente durante o carregamento são causas comuns de desperdício.

O tamanho do PNG afeta principalmente a transferência. O uso real também depende das dimensões, da quantidade de imagens e das regras do modelo de visão.

1. Use capturas por região

rdp-cli screenshot \
  --session SESSION \
  --region 800,120,720,560 \
  --out focused.png

Substitua SESSION pelo ID real da sessão. --region usa coordenadas da tela remota. Veja a referência de comandos.

2. Redimensione quando não precisar de todos os detalhes

rdp-cli screenshot \
  --session SESSION \
  --region 800,120,720,560 \
  --max-width 900 \
  --out focused-small.png

Textos pequenos, tabelas densas e formulários complexos podem exigir uma imagem maior. A página de recursos do rdp-cli explica que as coordenadas continuam vinculadas à tela remota quando a imagem é reduzida.

3. Use detecção de mudanças

Compare a captura atual com uma observação anterior:

rdp-cli screenshot \
  --session SESSION \
  --since PREVIOUS_REFERENCE \
  --region 800,120,720,560 \
  --out current.png

Se a região não mudou, o agente pode continuar aguardando sem processar a mesma imagem novamente.

4. Use espera por estado

rdp-cli wait \
  --session SESSION \
  --condition changed \
  --region 800,120,720,560

Para esperar até a região ficar estável, use condition stable. Isso reduz capturas desnecessárias e evita agir enquanto a interface ainda está mudando.

5. Mantenha o ciclo observar → agir → verificar

Capture a tela ou região desejada, execute uma ação usando a observação mais recente, espere a interface mudar ou estabilizar, capture apenas a região do resultado e verifique o resultado esperado.

Cada ação deve usar uma observation atualizada. O guia de início rápido do rdp-cli mostra esse fluxo.

Estratégia para desktops remotos

Capture o desktop inteiro no início e depois mude para capturas por região. Aguarde mudanças de estado após ações importantes e guarde apenas as imagens necessárias. Faça uma nova captura completa quando o layout mudar ou o agente perder o contexto.

Limitações

Uma captura completa pode ser necessária para comparar janelas, acompanhar uma janela entre monitores, analisar o layout global, identificar a janela ativa ou investigar um erro inesperado.

O rdp-cli fornece conexão, capturas, entrada, arquivos e controle de sessão. Ele não inclui um modelo de IA; o agente externo toma as decisões.

FAQ

Qual é a melhor forma de reduzir os tokens das capturas?

Use captura por região, evite imagens duplicadas, espere mudanças de estado e verifique uma pequena área de resultado.

Reduzir o tamanho da imagem sempre reduz tokens?

Não necessariamente. Isso depende do modelo de visão. Reduzir a região e evitar repetições costuma ser mais eficaz.

É necessário enviar o desktop inteiro depois de cada ação?

Não. Para ações normais, uma captura por região geralmente é suficiente.

O rdp-cli pode capturar apenas parte da tela?

Sim. screenshot aceita --region.

O rdp-cli inclui um modelo de IA?

Não. O rdp-cli controla a sessão e o AI Agent fornece o raciocínio.

Conclusão

Reduzir tokens significa tornar cada observação mais específica:

Capturar a região relevante → executar uma ação → esperar uma mudança → capturar apenas o necessário → verificar o resultado.

Assim, a automação de desktops remotos em alta resolução fica mais eficiente sem perder o feedback visual necessário ao agente.