要在Mac上借助Gemini API驱动的智能体实现点击、拖拽、输入等自动化操作，有一个关键前提常被忽视——必须先完成系统级的屏幕访问授权配置。否则，即便你精心设置好所有指令，它们也会悄无声息地失败，或始终卡在“等待响应”状态，连错误提示都不会出现。这一点，踩过坑的人深有体会。

授予辅助功能权限

操作路径并不复杂：点击屏幕左上角的苹果菜单 → 进入“系统设置” → 在左侧边栏向下滚动到底部，找到“隐私与安全性” → 继续向下滑动，看到“辅助功能”后，点击右侧的“详细信息…”按钮。在弹出的权限列表中，勾选Gemini应用。如果列表中没有出现Gemini，不必慌张——先启动一次Gemini应用（即使打开后立即关闭），系统就会将其注册到辅助功能的白名单中。

特别提醒：勾选权限后不会立刻生效。必须关闭Gemini再重新打开，否则窗口共享和鼠标控制功能依然无效。这一步很多人都会忽略，结果反复调试却找不到问题根源。

启用屏幕录制权限

返回“系统设置 → 隐私与安全性”，这次点击“屏幕录制” → 同样点击右侧的“详细信息…” → 勾选Gemini。如果遗漏此权限，会出现一个令人困惑的现象：你明明选中了窗口，Gemini也显示“正在加载”，但画面始终黑屏，或卡在加载动画转圈圈，后台没有任何错误提示。辅助功能解决的是“读取界面元素”，而要将完整像素流捕获下来，还必须依赖屏幕录制权限。两者缺一不可。

如果勾选后仍不弹窗，可以打开终端执行一行命令重置授权状态：tccutil reset ScreenCapture com.google.Gemini。这一招往往能解决一些顽固的奇奇怪怪问题。

验证并触发自动化控制

一切就绪后，如何验证是否真正生效？请按以下三步操作：

第一步：在Gemini应用内点击输入框旁边的“+”号 → 选择“共享窗口”。

第二步：从弹出的窗口列表中，选中目标应用（例如Safari、Notes、Finder等均可）。这里有个小技巧：不要选择“桌面”或“全部窗口”——选择这些会触发更严格的权限校验，且响应速度会变慢，没必要自找麻烦。

第三步：输入一条自然语言指令进行测试，例如“点击右上角通知中心图标”或“把当前网页标题复制到备忘录第一页”。如果Gemini回复“已执行点击”，并且你观察到屏幕上确实发生了对应的动作，那就说明两项权限均已激活，可以放心使用了。