mcp-test-utils
MCP Test Utils
100% KI-Code · Von Menschen geprüft
MCP-Server für automatisierte Desktop-UI-Tests. Eine einzelne Binärdatei — keine Laufzeitumgebung, keine Abhängigkeiten, keine Installation.
Nur Windows x64. Unterstützung für macOS und Linux ist geplant.
Verleiht KI-Agenten Augen und Hände: Screenshots, Fensterverwaltung, Maus, Tastatur, UI-Automatisierung, OCR, Dateisuche.
Related MCP server: ahk-mcp
Warum
KI-Agenten können Aktionen in Anwendungen auslösen, aber den Bildschirm nicht sehen. Dieser Server schließt diese Lücke:
Agent triggers action → takes screenshot → sees the result →
switches window → clicks a button → verifies → writes reportVollständig autonom, kein Benutzereingriff erforderlich.
Demo
10 Aufgaben. Ein Durchgang. Auf YouTube ansehen →

MCP Test Utils vs. Anthropic Computer Use
Claude Cowork enthält jetzt integrierte Computer Use — Claude macht Screenshots und klickt sich visuell durch Oberflächen. Es funktioniert ohne Einrichtung. MCP Test Utils verfolgt einen anderen Ansatz: Anstatt aus einem Screenshot zu erraten, wo geklickt werden soll, liest es die tatsächliche UI-Struktur über Windows-APIs aus.
MCP Test Utils | Computer Use | |
Klickpräzision | Exakt — UI Automation API | Visuelle Schätzung aus Screenshot |
Geschwindigkeit & Token-Kosten | Schnell, kostengünstig — Textantworten | Langsamer, teurer — Bild bei jedem Schritt |
UI-Struktur | Vollständiger Baum: Rollen, Zustände, Koordinaten | Nicht verfügbar |
OCR | Wortgenaue Koordinaten, mehrsprachig | Nicht verfügbar (nur Modell-Vision) |
Fensterverwaltung | API-basiert, fensterrelative Koordinaten | Visuelle Navigation |
Dateisuche | Ripgrep-Engine integriert | Nicht verfügbar |
Sitzungsprotokollierung | JSONL + Screenshots | Nicht verfügbar |
Visuelle Analyse | ✅ Dasselbe Claude-Modell, volle Auflösung 1:1 | ✅ Dasselbe Claude-Modell |
Einrichtung | Binärdatei herunterladen, zur Konfiguration hinzufügen | Integriert, ein Schalter |
Mobil / Dispatch | — | ✅ Aufgaben vom Telefon |
Plattformübergreifend | Windows (macOS/Linux geplant) | macOS + Windows |
MCP Test Utils ist schneller, präziser und pro Aktion günstiger. Computer Use ist einfacher zu starten und funktioniert plattformübergreifend. Sie ergänzen sich gegenseitig.
Plattformen
Plattform | Status |
Windows x64 | ✅ Volle Unterstützung |
macOS arm64 | ⏳ Geplant |
Linux x64 | ⏳ Geplant |
Tools (19)
Vision
Tool | Beschreibung |
| Screenshot des gesamten Desktops mit konfigurierbarer Qualität |
| Screenshot eines bestimmten Fensters (Bildschirm- oder Fensteraufnahmemodus) |
| OCR des gesamten Bildschirms (Windows.Media.Ocr) |
| OCR eines Bildschirmbereichs mit präzisen Wortkoordinaten |
Fensterverwaltung
Tool | Beschreibung |
| Auflistung der Fenster mit ID, Titel, App, Position, Größe, minimiert, fokussiert |
| Fenster in den Vordergrund bringen, wiederherstellen, falls minimiert |
Eingabe
Tool | Beschreibung |
| Klicken (links / rechts / mitte) an bildschirm- oder fensterrelativen Koordinaten |
| Cursor zu einem Punkt bewegen |
| Von Punkt A nach Punkt B ziehen |
| Mausrad scrollen |
| Text eingeben (vollständiges Unicode — Lateinisch, Kyrillisch, CJK, Emoji) |
| Taste drücken (Enter, Tab, F1–F12, Pfeile usw.) |
| Tastenkombinationen (Strg+S, Alt+F4, Strg+Umschalt+P usw.) |
Strukturierter UI-Zugriff
Tool | Beschreibung |
| UI-Automatisierungsbaum — Schaltflächen, Felder, Menüs mit exakten Koordinaten |
Dateisuche
Tool | Beschreibung |
| Suche nach Text oder Regex in Dateien innerhalb erlaubter Verzeichnisse (wie VS Code „In Dateien suchen“) |
| Dateien und Verzeichnisse nach Namensmuster (Glob) finden, wie „Gehe zu Datei“ |
Agenten-Leitfaden
Tool | Beschreibung |
| Kompakter Workflow-Leitfaden für LLM-Agenten — präzises Klicken, Koordinaten-Metadaten, Qualitätstipps |
Sitzungsprotokollierung
Tool | Beschreibung |
| Aufzeichnung von Tool-Aufrufen in JSONL + Screenshots starten (Opt-in) |
| Aufzeichnung stoppen, Sitzungsstatistiken abrufen |
Installation
Laden Sie die Binärdatei von Releases herunter.
Fügen Sie sie Ihrer MCP-Client-Konfiguration hinzu. Das folgende Beispiel gilt für Claude Desktop — für andere Clients lesen Sie bitte deren Dokumentation.
Claude Desktop: %APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"test-utils": {
"command": "D:\\path\\to\\mcp-test-utils.exe"
}
}
}Starten Sie Claude Desktop neu.
Versuchen Sie im Chat: "Take a screenshot" — der Agent gibt ein Bild Ihres Desktops zurück.
Mit Protokollierung und Dateisuche (optional)
{
"mcpServers": {
"test-utils": {
"command": "D:\\path\\to\\mcp-test-utils.exe",
"env": {
"MCP_LOG_DIR": "D:\\path\\to\\logs",
"MCP_LOG_MAX_MB": "500",
"MCP_LOG_RETAIN_DAYS": "30",
"MCP_SEARCH_DIRS": "D:\\Projects\\app1;D:\\Projects\\app2"
}
}
}
}Qualitäts-Presets
Screenshots unterstützen konfigurierbare Qualität, um Detailgrad und Token-Kosten auszubalancieren:
Preset | Skalierung | Format | Anwendungsfall |
| 100% | JPEG q90 | Maximale Details |
| 50% | JPEG q70 | Ausgewogen (Standard) |
| 50% | PNG | Wenn PNG benötigt wird |
| 25% | Graustufen | Niedrigste Token-Kosten |
| 10–100% | JPEG / PNG / Graustufen | Volle Kontrolle |
Umgebungsvariablen
Variable | Beschreibung | Standard |
| Pfad für Protokollsitzungen. Ohne diesen sind Protokollierungstools ausgeblendet | — |
| Größenlimit für Sitzungen (Warnung bei Überschreitung) |
|
| Sitzungen, die älter als N Tage sind, automatisch löschen. |
|
| Erlaubte Verzeichnisse für | — |
Funktionsweise
MCP Test Utils ist ein JSON-RPC 2.0-Server, der über stdin/stdout kommuniziert. Jeder MCP-kompatible Client startet die Binärdatei, sendet Tool-Aufrufe und empfängt strukturierte Antworten (Text, Base64-Bilder). Getestet mit Claude Desktop.
Der Server verwendet direkt native Windows-APIs — Win32 GDI für Screenshots, SendInput für Maus und Tastatur, UI Automation COM API für die Elementinspektion, WinRT Windows.Media.Ocr für die Texterkennung. Die Dateisuche verwendet die ripgrep-Engine (grep-regex, grep-searcher, ignore) — plattformübergreifend, keine externen Abhängigkeiten. Kein PowerShell, keine externen Tools, kein Netzwerkzugriff.
Anwendungsfälle
Automatisierte Qualitätssicherung (QA) — Agent navigiert durch die App, klickt sich durch Abläufe, macht bei jedem Schritt Screenshots und schreibt einen Testbericht
Desktop-Automatisierung — Formulare ausfüllen, Daten zwischen Fenstern kopieren, Workflows ausführen
Barrierefreiheitsprüfung — UI-Automatisierungsbaum auf fehlende Beschriftungen oder Rollen scannen
Visuelle Regression — Screenshot-Vergleich über Releases hinweg
Datenextraktion — OCR-Text aus Anwendungen, die keine APIs bereitstellen
Codesuche — Muster über mehrere Projekte hinweg finden, ohne die Agentensitzung zu verlassen
Sicherheit
Reagiert nur auf Anfragen vom MCP-Client
Öffnet keine Netzwerkports
Schreibt nichts auf die Festplatte (außer bei Opt-in-Protokollierung)
Sendet keine Daten nach extern
Screenshots erfassen den gesamten Bildschirm — stellen Sie sicher, dass keine sensiblen Informationen sichtbar sind
Dateisuche ist in einer Sandbox — nur Verzeichnisse in
MCP_SEARCH_DIRSsind zugänglich
Unterstützen Sie uns
Kostenlos und uneingeschränkt. Wenn Sie es nützlich finden — jeenyjai.github.io
Lizenz
Copyright 2026 JeenyJAI. Alle Rechte vorbehalten.
🚀 Erstellt mit Claude
This server cannot be deployed
Maintenance
Related MCP Connectors
PDF, image, video, OCR, screenshot, SQL, QR and text tools for agents. No API key, no signup.
Eyes and hands on real Windows PCs — observe, click, type via Glasswarp API.
AI-powered web automation. Navigate websites using AI agents for one page or a thousand
AI-powered web automation. Navigate websites using AI agents for one page or a thousand
Related MCP Servers
- AlicenseNot gradedqualityCmaintenanceNative Windows MCP server that gives AI agents full desktop control. 45+ tools using UIAutomation + OCR with automatic dark theme enhancement instead of screenshots. Features batch action sequencing (run_sequence), window occlusion detection, menu navigation, PrintWindow capture, and embedded AI workflow instructions. Single .NET 8 executable — no Python, no Node, no Selenium.8MIT
- AlicenseNot gradedqualityDmaintenanceEnables AI agents to control Windows systems using AutoHotkey v2 and the UI Automation accessibility tree for efficient, text-based computer interaction. It provides tools for window management, keystrokes, and UI inspection while significantly reducing token costs compared to screenshot-based approaches.8MIT
- AlicenseAqualityAmaintenanceWindows desktop automation MCP server — screenshot, mouse, keyboard & UI Automation. Lets LLM agents see and control your Windows desktop directly.30185 npm22MIT
- FlicenseNot gradedqualityDmaintenanceEnables AI agents to control Windows GUI applications like a human using screen capture, OCR, mouse and keyboard input, and window management, with safety levels and memory.-