OVNI es un marco de agente doble con enfoque de IU para la interacción con el sistema operativo Windows. Comprende las solicitudes del usuario mediante el procesamiento del lenguaje natural y las ejecuta mediante la navegación y operación fluidas dentro de una o varias aplicaciones. El marco incluye dos agentes: AppAgent y ActAgent. AppAgent selecciona la aplicación según la solicitud del usuario. ActAgent ejecuta iterativamente las acciones dentro de la aplicación seleccionada hasta que se completa la tarea. Ambos utilizan la funcionalidad multimodal de GPT-Vision para comprender la IU de la aplicación y satisfacer las solicitudes del usuario.