UFO एक Windows ऑपरेटिंग सिस्टम इंटरैक्शन के लिए UI-केंद्रित दोहरे एजेंट फ्रेमवर्क है। यह प्राकृतिक भाषा समझ के माध्यम से उपयोगकर्ता अनुरोधों को समझता है और इन अनुरोधों को निष्पादित करने के लिए एक या अधिक अनुप्रयोगों में सहज नेविगेशन और संचालन करता है। इस फ्रेमवर्क में AppAgent और ActAgent दो एजेंट शामिल हैं। AppAgent उपयोगकर्ता अनुरोध के अनुसार अनुप्रयोग का चयन करने के लिए जिम्मेदार है। ActAgent चयनित अनुप्रयोग में तब तक पुनरावृति संचालन करने के लिए जिम्मेदार है जब तक कि कार्य सफलतापूर्वक पूरा नहीं हो जाता। दोनों GPT-Vision की बहु-मॉडल क्षमताओं का उपयोग अनुप्रयोग के UI को समझने और उपयोगकर्ता अनुरोधों को पूरा करने के लिए करते हैं।