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

{
  "mcpServers": {
    "desktop-automation": {
      "command": "npx",
      "args": ["-y", "mcp-desktop-automation"]
    }
  }
}

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：

截图列表（ screenshot://list ）
- 按名称列出所有可用的屏幕截图
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。

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

How are these scores calculated?

local-only server

The server can only run on the client's local machine because it depends on local resources.

模型上下文协议服务器使用 RobotJS 和屏幕截图功能提供桌面自动化功能，使 LLM 能够控制鼠标移动、键盘输入并捕获桌面环境的屏幕截图。

Related MCP Servers

Puppeteer MCP Server
twolven
-
security
A
license
-
quality
A Model Context Protocol server that provides browser automation capabilities using Playwright, enabling LLMs to interact with web pages, take screenshots, and execute JavaScript in a real browser environment.
Last updated -
3
Python
Apache 2.0
Steel Puppeteer
rdvo
-
security
A
license
-
quality
A Model Context Protocol server that enables LLMs to automate web browsers using Puppeteer, allowing navigation, screenshots, form filling, and JavaScript execution in a real browser environment.
Last updated -
JavaScript
MIT License
BrowserCat MCP Server (Browser Automation)official
browsercat
-
security
F
license
-
quality
A Model Context Protocol server that provides browser automation capabilities using BrowserCat's cloud browser service. This server enables LLMs to interact with web pages, take screenshots, and execute JavaScript in a real browser environment without needing to install browsers locally.
Last updated -
39
Puppeteer MCP Server
cploujoux
-
security
F
license
-
quality
A Model Context Protocol server that provides browser automation capabilities using Puppeteer, enabling LLMs to interact with web pages, take screenshots, and execute JavaScript in a real browser environment.
Last updated -
15,502
JavaScript

View all related MCP servers

MCP Desktop Automation