omniparser-autogui-mcp

Este es un servidor MCP que analiza la pantalla con OmniParser y opera automáticamente la GUI.
Confirmado en Windows.

Notas de licencia

Esta es una licencia MIT, pero excluye submódulos y subpaquetes.
El repositorio de OmniParser es CC-BY-4.0.
Cada modelo de OmniParser tiene una licencia diferente ( referencia ).

Instalación

Por favor haga lo siguiente:

git clone --recursive https://github.com/NON906/omniparser-autogui-mcp.git
cd omniparser-autogui-mcp
uv sync
set OCR_LANG=en
uv run download_models.py

(Además de Windows, utilice export en lugar de set ).
(Si desea que langchain_example.py funcione, uv sync --extra langchain en su lugar).

Agregue esto a su claude_desktop_config.json :

{
  "mcpServers": {
    "omniparser_autogui_mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "D:\\CLONED_PATH\\omniparser-autogui-mcp",
        "run",
        "omniparser-autogui-mcp"
      ],
      "env": {
        "PYTHONIOENCODING": "utf-8",
        "OCR_LANG": "en"
      }
    }
  }
}

(Reemplace D:\\CLONED_PATH\\omniparser-autogui-mcp con el directorio que clonó).

env permite las siguientes configuraciones adicionales:

OMNI_PARSER_BACKEND_LOAD
Si no funciona con otros clientes (como LibreChat ), especifique 1 .
TARGET_WINDOW_NAME
Si desea especificar la ventana a operar, especifique el nombre de la ventana.
Si no se especifica, opera en toda la pantalla.
OMNI_PARSER_SERVER
Si desea que el procesamiento de OmniParser se realice en otro dispositivo, especifique la dirección y el puerto del servidor, como 127.0.0.1:8000 .
El servidor se puede iniciar con uv run omniparserserver .
SSE_HOST , SSE_PORT
Si se especifica, la comunicación se realizará a través de SSE en lugar de stdio.
SOM_MODEL_PATH , CAPTION_MODEL_NAME , CAPTION_MODEL_PATH , OMNI_PARSER_DEVICE , BOX_TRESHOLD
Estos son para la configuración de OmniParser.
Por lo general no son necesarios.

Ejemplos de uso

Busque "servidor MCP" en el navegador en pantalla.

etc.

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

hybrid server

The server is able to function both locally and remotely, depending on the configuration or use case.

Funcionamiento automático de la GUI en pantalla.

Related Resources

Reddit Discussion about this server

Related MCP Servers

MCP Puppeteer Linux Server
PhialsBasement
A
security
F
license
A
quality
Enables browser automation for LLMs on Linux display servers, supporting web interaction, screenshots, and JavaScript execution in a real browser.
Last updated -
7
5
4
JavaScript
Browser Use Server
ztobs
A
security
F
license
A
quality
Enables browser automation using Python scripts, offering operations like taking webpage screenshots, retrieving HTML content, and executing JavaScript.
Last updated -
4
18
Python
MCP SAP GUI Server
mario-andreschak
-
security
A
license
-
quality
Automates interactions with SAP GUI using the Model Context Protocol, allowing precise control of SAP transactions through tools like clicking, typing, scrolling, and transaction management.
Last updated -
9
Python
MIT License
PopUI
kelnishi
-
security
F
license
-
quality
A companion desktop app enabling bi-directional interaction between Claude Desktop and visual UI elements, allowing Claude to display, read from, and write to interactive interfaces while processing user events and feedback.
Last updated -
5
1
TypeScript

View all related MCP servers

omniparser-autogui-mcp