mcp-test-utils
MCP Test Utils
100% AI 代码 · 人工审核
用于自动化桌面 UI 测试的 MCP 服务器。单个二进制文件 —— 无需运行时、无依赖、无需安装。
仅限 Windows x64。 计划支持 macOS 和 Linux。
为 AI 智能体提供“眼睛”和“双手”:截图、窗口管理、鼠标、键盘、UI 自动化、OCR、文件搜索。
Related MCP server: ahk-mcp
为什么使用它
AI 智能体可以触发应用程序中的操作,但无法“看到”屏幕。此服务器弥补了这一差距:
Agent triggers action → takes screenshot → sees the result →
switches window → clicks a button → verifies → writes report完全自主,无需用户参与。
演示
10 个任务。一次录制。 在 YouTube 上观看 →

MCP Test Utils 与 Anthropic Computer Use 的对比
Claude Cowork 现在内置了 Computer Use —— Claude 可以截取屏幕截图并直观地点击界面。它无需任何设置即可工作。MCP Test Utils 采用了不同的方法:它不是通过截图猜测点击位置,而是通过 Windows API 读取实际的 UI 结构。
MCP Test Utils | Computer Use | |
点击精度 | 精确 — UI Automation API | 基于截图的视觉估算 |
速度与 Token 成本 | 快速,低成本 — 文本响应 | 较慢,成本高 — 每步都需要图像 |
UI 结构 | 完整树:角色、状态、坐标 | 不可用 |
OCR | 单词级坐标,多语言 | 不可用(仅限模型视觉) |
窗口管理 | 基于 API,窗口相对坐标 | 视觉导航 |
文件搜索 | 内置 Ripgrep 引擎 | 不可用 |
会话日志 | JSONL + 截图 | 不可用 |
视觉分析 | ✅ 同 Claude 模型,全分辨率 1:1 | ✅ 同 Claude 模型 |
设置 | 下载二进制文件,添加到配置 | 内置,一键开关 |
移动端 / 调度 | — | ✅ 手机端任务 |
跨平台 | Windows (计划支持 macOS/Linux) | macOS + Windows |
MCP Test Utils 更快、更精确,且单次操作成本更低。Computer Use 更易于上手且支持跨平台。它们互为补充。
平台
平台 | 状态 |
Windows x64 | ✅ 完全支持 |
macOS arm64 | ⏳ 计划中 |
Linux x64 | ⏳ 计划中 |
工具 (19)
视觉
工具 | 描述 |
| 截取整个桌面,支持配置质量 |
| 截取特定窗口(屏幕或窗口捕获模式) |
| 对整个屏幕进行 OCR (Windows.Media.Ocr) |
| 对屏幕区域进行 OCR,提供精确的单词坐标 |
窗口管理
工具 | 描述 |
| 列出窗口(包含 id、标题、应用、位置、大小、最小化、焦点状态) |
| 将窗口置于前台,如果已最小化则恢复 |
输入
工具 | 描述 |
| 在屏幕或窗口相对坐标处点击(左键/右键/中键) |
| 将光标移动到指定点 |
| 从 A 点拖动到 B 点 |
| 滚动鼠标滚轮 |
| 输入文本(支持完整 Unicode — 拉丁文、西里尔文、CJK、表情符号) |
| 按下按键(Enter、Tab、F1–F12、方向键等) |
| 组合键(Ctrl+S、Alt+F4、Ctrl+Shift+P 等) |
结构化 UI 访问
工具 | 描述 |
| UI 自动化树 — 按钮、字段、菜单及其精确坐标 |
文件搜索
工具 | 描述 |
| 在允许的目录内搜索文本或正则表达式(类似于 VS Code 的“在文件中查找”) |
| 按名称模式 (glob) 查找文件和目录,类似于“转到文件” |
智能体指南
工具 | 描述 |
| 为 LLM 智能体提供的紧凑工作流指南 — 精确点击、坐标元数据、质量提示 |
会话日志
工具 | 描述 |
| 开始将工具调用记录到 JSONL + 截图(需手动开启) |
| 停止记录,获取会话统计信息 |
安装
从 Releases 下载二进制文件。
将其添加到您的 MCP 客户端配置中。以下示例适用于 Claude Desktop — 其他客户端请参考其文档。
Claude Desktop: %APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"test-utils": {
"command": "D:\\path\\to\\mcp-test-utils.exe"
}
}
}重启 Claude Desktop。
在聊天中尝试:“Take a screenshot” — 智能体将返回您的桌面图像。
启用日志记录和文件搜索(可选)
{
"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"
}
}
}
}质量预设
截图支持可配置的质量,以平衡细节和 Token 成本:
预设 | 缩放 | 格式 | 使用场景 |
| 100% | JPEG q90 | 最大细节 |
| 50% | JPEG q70 | 平衡(默认) |
| 50% | PNG | 需要 PNG 时 |
| 25% | 灰度 | 最低 Token 成本 |
| 10–100% | JPEG / PNG / 灰度 | 完全控制 |
环境变量
变量 | 描述 | 默认值 |
| 日志会话路径。若未设置,日志工具将被隐藏 | — |
| 会话大小限制(超出时发出警告) |
|
| 自动删除 N 天前的会话。设为 |
|
|
| — |
工作原理
MCP Test Utils 是一个通过 stdin/stdout 通信的 JSON-RPC 2.0 服务器。任何兼容 MCP 的客户端都可以启动该二进制文件,发送工具调用,并接收结构化响应(文本、base64 图像)。已在 Claude Desktop 上测试。
该服务器直接使用原生 Windows API — Win32 GDI 用于截图,SendInput 用于鼠标和键盘,UI Automation COM API 用于元素检查,WinRT Windows.Media.Ocr 用于文本识别。文件搜索使用 ripgrep 引擎 (grep-regex, grep-searcher, ignore) — 跨平台,无外部依赖。无需 PowerShell,无需外部工具,无需网络访问。
使用场景
自动化 QA — 智能体导航应用、点击流程、在每一步截屏、编写测试报告
桌面自动化 — 填写表单、在窗口间复制数据、运行工作流
无障碍审计 — 扫描 UI 自动化树以查找缺失的标签或角色
视觉回归测试 — 跨版本截图对比
数据提取 — 从未公开 API 的应用程序中 OCR 提取文本
代码搜索 — 在不离开智能体对话的情况下跨多个项目查找模式
安全性
仅响应来自 MCP 客户端的请求
不打开任何网络端口
不向磁盘写入任何内容(除非手动开启日志记录)
不向外部发送任何数据
截图会捕获整个屏幕 — 请确保没有敏感信息可见
文件搜索已沙盒化 — 仅可访问
MCP_SEARCH_DIRS中的目录
支持我们
免费且无限制。如果您觉得它有用 — jeenyjai.github.io
许可证
版权所有 2026 JeenyJAI。保留所有权利。
🚀 由 Claude 创建
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.-