オムニパーサー-autogui-mcp

（日本語版はこちら）

OmniParserで画面を解析し、GUIを自動操作するMCPサーバーです。
Windowsで確認済み。

ライセンスに関する注意事項

これは MIT ライセンスですが、サブモジュールとサブパッケージは除きます。
OmniParser のリポジトリは CC-BY-4.0 です。
各 OmniParser モデルには異なるライセンスがあります (参照)。

Related MCP server: Google Toolbox

インストール

次の手順に従ってください。

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

(Windows 以外の場合は、 setの代わりにexportを使用します。)
( langchain_example.pyを動作させたい場合は、代わりにuv sync --extra langchain実行してください。)

これをclaude_desktop_config.jsonに追加します:

{
  "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"
      }
    }
  }
}

( D:\\CLONED_PATH\\omniparser-autogui-mcpをクローンしたディレクトリに置き換えます。)

env次の追加構成が可能です。

OMNI_PARSER_BACKEND_LOAD
他のクライアント（ LibreChatなど）で動作しない場合は、 1指定します。
TARGET_WINDOW_NAME
操作するウィンドウを指定する場合は、ウィンドウ名を指定してください。
指定しない場合は画面全体で動作します。
OMNI_PARSER_SERVER
OmniParser 処理を別のデバイスで実行する場合は、 127.0.0.1:8000などのサーバーのアドレスとポートを指定します。
サーバーはuv run omniparserserverで起動できます。
SSE_HOST 、 SSE_PORT
指定すると、通信はstdioではなくSSE経由で行われます。
SOM_MODEL_PATH 、 CAPTION_MODEL_NAME 、 CAPTION_MODEL_PATH 、 OMNI_PARSER_DEVICE 、 BOX_TRESHOLD
これらは OmniParser 構成用です。
通常、それらは必要ありません。