OVNI est un framework à double agent axé sur l'interface utilisateur (UI) pour l'interaction avec le système d'exploitation Windows. Il interprète les demandes des utilisateurs en langage naturel et les exécute en naviguant et en opérant de manière transparente au sein d'une ou plusieurs applications. Ce framework comprend deux agents : AppAgent et ActAgent. AppAgent sélectionne l'application en fonction de la demande de l'utilisateur. ActAgent effectue itérativement les opérations au sein de l'application sélectionnée jusqu'à ce que la tâche soit menée à bien. Les deux agents exploitent les fonctionnalités multimodales de GPT-Vision pour comprendre l'interface utilisateur de l'application et répondre aux demandes de l'utilisateur.