MCP Desktop Automation

MCP桌面自动化

一个模型上下文协议服务器，使用RobotJS和屏幕截图功能提供桌面自动化功能。此服务器使LLM能够控制鼠标移动、键盘输入和捕获桌面环境的屏幕截图。

使用桌面自动化服务器的配置

以下是如何配置Claude Desktop以使用MCP Desktop Automation服务器：

NPX

{
  "mcpServers": {
    "desktop-automation": {
      "command": "npx",
      "args": ["-y", "mcp-desktop-automation"]
    }
  }
}

权限

此服务器需要系统级权限才能：

• 捕获屏幕截图
• 控制鼠标移动和点击
• 模拟键盘输入

首次使用此服务器运行Claude Desktop时，您可能需要在操作系统的安全设置中授予这些权限。

局限性

虽然此服务器可与各种MCP客户端配合使用，但它主要是用Claude Desktop进行测试的。

重要：当前实现的响应大小限制为1MB。对于屏幕截图，这意味着：

• 高分辨率屏幕截图可能会超过此限制并失败
• 测试表明，800x600分辨率工作可靠
• 如果遇到问题，请考虑降低屏幕分辨率或捕获特定屏幕区域

需求

• Node.js（>=14.x）

组件

工具

• get_screen_size

- 获取屏幕尺寸 - 无需输入参数

• 屏幕截图

- 捕获当前屏幕内容 - 无需输入参数

• 键盘_印刷

- 按下键盘键或组合键 - 输入： - key （字符串，必填）：要按的键（例如，“enter”、“a”、“control”） - modifiers （字符串数组，可选）：按下键时按住修饰键。可能的值：“control”、“shift”、“alt”、“command”

• 键盘类型

- 在当前光标位置键入文本 - 输入： text （字符串，必填）：要键入的文本

• 鼠标点击

- 执行鼠标点击 - 输入： - button （string，可选，默认：“left”）：鼠标点击。可能的值：“左”、“右”、“中” - double （boolean，可选，默认值：false）：是否执行双击

• mouse_move

- 将鼠标移动到指定坐标 - 输入： - x （数字，必填）：X坐标 - y （数字，必填）：Y坐标

资源

服务器提供对屏幕截图的访问：

1. 屏幕截图列表 (screenshot://list)

- 按名称列出所有可用的屏幕截图

1. 屏幕截图内容 (screenshot://{id})

- 捕获的屏幕截图的PNG图像 - 可通过屏幕截图ID访问（基于时间戳的命名）

主要特点

• 桌面鼠标控制
• 键盘输入模拟
• 屏幕尺寸检测
• 屏幕截图功能
• 简单的JSON响应格式

许可证

此MCP服务器根据MIT许可证获得许可。这意味着您可以根据MIT许可证的条款和条件自由使用、修改和分发软件。有关更多详细信息，请参阅项目存储库中的LICENSE文件。