omniparser-autogui-mcp

（日本语版はこちら）

这是一个使用OmniParser分析屏幕并自动操作 GUI 的MCP 服务器。
在 Windows 上已确认。

许可证说明

这是 MIT 许可证，但不包括子模块和子包。
OmniParser 的存储库是 CC-BY-4.0。
每个 OmniParser 模型都有不同的许可证（参考）。

Related MCP server: ScreenMonitorMCP

安装

1. 请执行以下操作：

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

（除 Windows 外，请使用export而不是set 。）
（如果您希望langchain_example.py工作，请改用uv sync --extra langchain 。）

2. 将其添加到您的claude_desktop_config.json中：

{
  "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"
      }
    }
  }
}

（将D:\\CLONED_PATH\\omniparser-autogui-mcp替换为您克隆的目录。）

env允许以下附加配置：

• OMNI_PARSER_BACKEND_LOAD
  如果它不能与其他客户端（例如LibreChat ）一起使用，请指定1 。

• TARGET_WINDOW_NAME
  如果要指定操作的窗口，请指定窗口名称。
  如果未指定，则对整个屏幕进行操作。

• OMNI_PARSER_SERVER
  如果您希望在另一台设备上进行 OmniParser 处理，请指定服务器的地址和端口，例如127.0.0.1:8000 。
  可以使用uv run omniparserserver启动服务器。

• SSE_HOST ， SSE_PORT
  如果指定，通信将通过 SSE 而不是 stdio 进行。

• SOM_MODEL_PATH 、 CAPTION_MODEL_NAME 、 CAPTION_MODEL_PATH 、 OMNI_PARSER_DEVICE 、 BOX_TRESHOLD
  这些用于 OmniParser 配置。
  通常情况下，它们不是必需的。

使用示例

• 在屏幕浏览器中搜索“MCP 服务器”。

ETC。