eztogo

一个 MCP server，把两件事装进同一条通道：

• 电脑操控：按 Windows 辅助功能树（UIA）驱动任意桌面程序——列窗口、读控件树、点击、输入、滚动、拖拽，并在屏幕上画出光标滑行、点击涟漪、任务胶囊、边缘光，让人看得见 agent 在干什么。

• 浏览器操控：默认走 ego lite（真实浏览器 + 登录态），也可以切到 Playwright/Edge 宿主。

23 个工具，一个进程，一个 stdio 连接。

English: eztogo is a single MCP server for Windows computer control (UIA, with an on-screen cursor / click ripple / status pill overlay) and browser automation (ego lite by default, Playwright/Edge optional). Run npx -y eztogo init to register it into Claude Desktop / Cursor / Windsurf / VS Code automatically.

环境要求

非 Windows 平台上，桌面工具不会让进程崩溃，而是返回一条明确说明：电脑操控只能在 Windows 上运行…。

Related MCP server: atomic-computer-mcp

安装与配置

一键写进客户端配置（推荐）

npx -y eztogo init

它会逐个检测已安装的 MCP 客户端，把 eztogo 写成 node 绝对路径 + 本包 server.js 绝对路径，并打印做了什么：

eztogo 0.1.0
启动命令：C:\Program Files\nodejs\node.exe C:\Users\me\AppData\Local\npm-cache\_npx\...\server.js

✔ Claude Desktop  C:\Users\me\AppData\Roaming\Claude\claude_desktop_config.json
  原文件已备份：…claude_desktop_config.json.bak-20261111-181500
- Cursor  未检测到安装，跳过

• 支持的客户端：Claude Desktop、Cursor、Windsurf、VS Code（用户级 mcp.json）

• 写之前会备份原文件；配置里已有完全相同的条目则跳过，重复执行不会堆备份

• 目标文件不是合法 JSON 时不写入，只打印要手工合并的片段

只看配置，不改文件

npx -y eztogo --print-config

手工配置

Claude Desktop / Cursor / Windsurf（mcpServers）：

{
  "mcpServers": {
    "eztogo": {
      "command": "node",
      "args": ["C:/path/to/eztogo/dist/src/server.js"]
    }
  }
}

VS Code（.vscode/mcp.json 或用户级 mcp.json，注意键是 servers 且要 type）：

{
  "servers": {
    "eztogo": {
      "type": "stdio",
      "command": "node",
      "args": ["C:/path/to/eztogo/dist/src/server.js"]
    }
  }
}

从源码跑：

git clone https://github.com/hycailxy/eztogo.git
cd eztogo
npm install
npm run build
node dist/src/server.js        # 直接起 MCP（客户端配置里就写这条）

工具

电脑操控（9）

浏览器（10）

browser_navigate / browser_snapshot / browser_click / browser_type / browser_press_key / browser_back / browser_wait / browser_screenshot / browser_evaluate / browser_engine

engine 三个取值：ego（默认）、edge、auto。

ego 原生逃生口（4）

ego_run（跑任意 ego 脚本）/ ego_page / ego_skill / ego_doctor（环境自检：CLI 在哪、版本、taskSpace 是否可用）。

屏幕上的东西

动作发生时，一个置顶透明窗口会画：

• 光标：深色箭头 + 白描边，滑到目标点（HYBRID_ACI_CU_REDUCED_MOTION=1 关闭滑行与涟漪）

• 点击涟漪：单圈扩散

• 光标旁的实时说明：点击「保存」 / 填写「正文编辑区」 / 按键 ctrl+a / 输入 12 个字 / 拖拽「A」→「B」，动作完成后立刻切成 读取「记事本」

• 底部胶囊：任务名 + 状态 + 「接管 / 终止」按钮，可收成小太阳

只要不发动作，它什么都不显示（进程常驻只为省掉冷启动）。整体关掉：HYBRID_ACI_CU_OVERLAY=0。

环境变量

排障

已知限制

• 电脑操控只有 Windows；UIA 对 UWP/XAML 应用偶尔很慢（代码会自动回落到一次性调用）

• edge 引擎依赖 Playwright，没装就用不了（默认引擎 ego 不受影响）

• 每次动作后都会附一张窗口截图，长会话会积累图片（自动只保留最近 200 张 / 2 小时）

• 单实例假设：同一个客户端配置只会拉起一个进程；多个客户端各自拉起时会有多个叠加层窗口

• 首次动作前会先起一个常驻 PowerShell 进程（约 1 秒），用于复用 UIA 上下文

开发

npm run build            # tsc → dist/
npm run mcp              # 跑 server
npm run test:caption     # 叠加层"实时说明"像素级回归（Windows）
npm run test:caption:e2e # server → 叠加层命令的端到端检查（用假桌面桥，不动真实桌面）

desktop/desktop-uia.ps1 是桌面桥（UIA + 输入注入），desktop/overlay/codex-cursor.ps1 是叠加层。 两者都是 UTF-8 with BOM 的 PowerShell 脚本——用编辑器改完务必确认 BOM 还在，否则中文会乱码、脚本直接语法报错。

许可

MIT