Cua Driver 0.26.1 の Computer Use 内部実装を読む — ウィンドウへの宛先固定と、操作結果・事後条件検証の分離

先日、Hermes Agent と Open Interpreter の Computer Use 内部実装を続けて読みました。どちらも操作そのものは外部の cua-driver に委譲していたので、次の関心は「その委譲先で何が起きているのか」でした。この記事は trycua/cua モノレポの commit b4e3caec に固定して、Cua Driver 0.26.1 の内部実装をコードリーディングしたノートです。MCP・CLI・SDK からの 1 回の要求が、対象ウィンドウと要素を確定し、OS の入力 API へ届き、公開 ActionResult と verify_state に射影されるまでを、native dispatch・WindowTargetGuard・element_token・macOS の ScreenCaptureKit・Windows の WGC / PrintWindow・Linux の X11 / Wayland・contract projection・permission mode の 3 層、という 8 つの分かれ道に沿って追いました。