MCP 桌面自动化

一个模型上下文协议 (LLM) 服务器，使用 RobotJS 和屏幕截图功能提供桌面自动化功能。该服务器使 LLM 能够控制鼠标移动、键盘输入以及捕获桌面环境的屏幕截图。

使用桌面自动化服务器的配置

以下是如何配置 Claude Desktop 以使用 MCP 桌面自动化服务器：

NPX

权限

此服务器需要系统级权限才能：

• 截取屏幕截图
• 控制鼠标移动和点击
• 模拟键盘输入

首次使用此服务器运行 Claude Desktop 时，您可能需要在操作系统的安全设置中授予这些权限。

限制

虽然该服务器可与各种 MCP 客户端配合使用，但它主要通过 Claude Desktop 进行测试。

重要提示：当前实现的响应大小限制为 1MB。对于屏幕截图，这意味着：

• 高分辨率截图可能会超出此限制并失败
• 测试表明 800x600 分辨率可靠
• 如果遇到问题，请考虑降低屏幕分辨率或捕获特定的屏幕区域

要求

• Node.js（>=14.x）

成分

工具

• 获取屏幕尺寸
  • 获取屏幕尺寸
  • 无需输入参数
• 屏幕截图
  • 捕获当前屏幕内容
  • 无需输入参数
• 键盘按下
  • 按下键盘上的某个键或组合键
  • 输入：
    • key （字符串，必需）：要按下的键（例如，“enter”，“a”，“control”）
    • modifiers （字符串数组，可选）：按下按键时需要按住的修饰键。可能的值包括：“control”、“shift”、“alt”、“command”
• 键盘类型
  • 在当前光标位置输入文本
  • 输入： text （字符串，必需）：要输入的文本
• 鼠标点击
  • 执行鼠标点击
  • 输入：
    • button （字符串，可选，默认值：“left”）：鼠标点击按钮。可能的值：“left”、“right”、“middle”
    • double （布尔值，可选，默认值：false）：是否执行双击
• 鼠标移动
  • 将鼠标移动到指定坐标
  • 输入：
    • x （数字，必需）：X 坐标
    • y （数字，必需）：Y 坐标

资源

服务器提供对屏幕截图的访问：

1. 截图列表（ screenshot://list ）
   • 按名称列出所有可用的屏幕截图
2. 屏幕截图内容（ screenshot://{id} ）
   • 截图的 PNG 图像
   • 可通过屏幕截图 ID 访问（基于时间戳的命名）

主要特点

• 桌面鼠标控制
• 键盘输入模拟
• 屏幕尺寸检测
• 截图功能
• 简单的 JSON 响应格式

执照

此 MCP 服务器采用 MIT 许可证。这意味着您可以自由使用、修改和分发该软件，但须遵守 MIT 许可证的条款和条件。更多详情，请参阅项目仓库中的 LICENSE 文件。