API Agents versus GUI Agents: Divergentie en Convergentie

API Agents vs. GUI Agents: Divergence and Convergence

March 14, 2025

Auteurs: Chaoyun Zhang, Shilin He, Liqun Li, Si Qin, Yu Kang, Qingwei Lin, Dongmei Zhang

cs.AI

Samenvatting

Grote taalmodellen (LLMs) zijn geëvolueerd van eenvoudige tekstgeneratie naar het aansturen van softwareagentschappen die natuurlijke taalcommando's direct vertalen in tastbare acties. Hoewel API-gebaseerde LLM-agentschappen aanvankelijk bekendheid verwierven vanwege hun robuuste automatiseringmogelijkheden en naadloze integratie met programmatische eindpunten, heeft recente vooruitgang in multimodale LLM-onderzoek GUI-gebaseerde LLM-agentschappen mogelijk gemaakt die op een mensachtige manier interacteren met grafische gebruikersinterfaces. Hoewel deze twee paradigma's hetzelfde doel hebben, namelijk het mogelijk maken van LLM-gestuurde taakautomatisering, verschillen ze aanzienlijk in architecturale complexiteit, ontwikkelingsworkflows en gebruikersinteractiemodellen. Dit artikel presenteert de eerste uitgebreide vergelijkende studie van API-gebaseerde en GUI-gebaseerde LLM-agentschappen, waarbij systematisch hun verschillen en mogelijke convergentie worden geanalyseerd. We onderzoeken belangrijke dimensies en belichten scenario's waarin hybride benaderingen hun complementaire sterktes kunnen benutten. Door duidelijke beslissingscriteria voor te stellen en praktische use cases te illustreren, streven we ernaar om praktijkmensen en onderzoekers te begeleiden bij het selecteren, combineren of overstappen tussen deze paradigma's. Uiteindelijk geven we aan dat voortdurende innovaties in LLM-gebaseerde automatisering de grenzen tussen API- en GUI-gestuurde agentschappen zullen vervagen, wat de weg vrijmaakt voor meer flexibele, adaptieve oplossingen in een breed scala aan real-world toepassingen.

English

Large language models (LLMs) have evolved beyond simple text generation to power software agents that directly translate natural language commands into tangible actions. While API-based LLM agents initially rose to prominence for their robust automation capabilities and seamless integration with programmatic endpoints, recent progress in multimodal LLM research has enabled GUI-based LLM agents that interact with graphical user interfaces in a human-like manner. Although these two paradigms share the goal of enabling LLM-driven task automation, they diverge significantly in architectural complexity, development workflows, and user interaction models. This paper presents the first comprehensive comparative study of API-based and GUI-based LLM agents, systematically analyzing their divergence and potential convergence. We examine key dimensions and highlight scenarios in which hybrid approaches can harness their complementary strengths. By proposing clear decision criteria and illustrating practical use cases, we aim to guide practitioners and researchers in selecting, combining, or transitioning between these paradigms. Ultimately, we indicate that continuing innovations in LLM-based automation are poised to blur the lines between API- and GUI-driven agents, paving the way for more flexible, adaptive solutions in a wide range of real-world applications.