Windows MCP Server

Win32 MCP服务器

面向AI代理的企业级Windows自动化——MCP上的53个工具

最全面的Windows桌面自动化服务器 模型上下文协议.让任何兼容MCP的AI代理完全控制Windows应用程序：智能文本查找和点击、结构化OCR、屏幕截图、鼠标/键盘输入、窗口管理、过程控制和多步批处理操作——所有这些都通过一个MCP服务器完成。

](https://github.com/RandyNorthrup/win32-mcp-server/releases)     

______________________________________________________________________

v2.5的新增功能

• 53工具 --完全模块化的企业级架构
• UI自动化API --6个新工具：检查控制树，按名称单击控件，读取/设置不带坐标的值
• OCR缓存 --使用2秒TTL进行感知图像哈希，以实现更快的重复调用
• 操作验证 --可选 verify 上 click/focus_window；自动验证打开 kill_process
• VS代码状态栏 --扩展中的实时加载/就绪/错误/禁用指示器
• 8个新配置设置 --细分路径、OCR语言、预处理模式、截图格式/质量/比例
• 智能自动化工具 — click_text, wait_for_text, fill_field, execute_sequence，以及更多
• 结构化OCR --每个单词的边界框、置信度得分和屏幕坐标
• 模糊窗口匹配 --标点识别标题匹配与智能建议
• DPI感知坐标 --高分辨率显示器的自动每显示器DPI感知
• 图像预处理 --自动、light_bg、dark_bg、高对比度模式，可提高OCR精度
• 多步序列 --在单个请求中批处理多个工具调用
• 屏幕截图比较 --当前屏幕和参考图像之间的像素级差异
• 窗口快照 --在一次通话中组合屏幕截图+OCR
• 稳健的错误处理 --带有可操作建议的结构化JSON错误

______________________________________________________________________

特性

智能自动化（最强大的工具）

屏幕截图（6个工具）

• 全屏、每个窗口和每个监视器捕获
• PNG、JPEG和WebP输出，具有质量/比例控制
• 任意坐标下的像素颜色采样
• 屏幕截图与相似性指标的比较

OCR——光学字符识别（5个工具）

• 全屏和基于区域的文本提取
• 具有自动聚焦和捕获功能的每窗口OCR
• 结构化模式 --每个单词都有边界框、置信度、行/块/单词编号
• 智能预处理：自动检测亮/暗背景
• 将坐标映射回原始屏幕空间，以便准确点击

鼠标控制（8个工具）

• 单击、双击、三次单击（左/右/中按钮）
• 可配置持续时间和按钮的拖放操作
• 鼠标移动时动画流畅
• 在任何位置进行垂直和水平滚动
• 当前位置报告

键盘控制（3个工具）

• 键入支持Unicode的文本（自动回退到剪贴板粘贴）
• 按单个键或组合键(ctrl+c, alt+f4)
• 从数组执行热键组合(["ctrl", "shift", "s"])

剪贴板（2个工具）

• 将文本复制到系统剪贴板
• 读取当前剪贴板内容

窗口管理（10个工具）

• 列出所有带有模糊标题过滤的窗口
• 详细的窗口信息（PID、位置、大小、状态、进程名称、内存）
• 聚焦、关闭、最小化、最大化、恢复
• 调整大小并移动到精确坐标
• 等待窗口出现（超时轮询）
• 模糊匹配与智能脱靶建议

过程管理（4个工具）

• 列出具有过滤、排序和分页功能的进程
• 优雅的终止与强制杀伤回退
• 启动应用程序，并可选择等待完成
• 等待进程空闲（CPU阈值监控）

系统（1个工具）

• health_check --验证所有依赖关系、DPI、监视器、Tesseract和工具计数

UI自动化（6个工具）

• uia_inspect_window --获取窗口的控制树
• uia_find_control --按类型、名称或自动化ID查找控件
• uia_click_control --按名称单击控件（比坐标更可靠）
• uia_get_control_value --读取控件的值或文本
• uia_set_control_value --设置控件的值（编辑框等）
• uia_get_focused --获取当前聚焦控件的信息

______________________________________________________________________

安装

先决条件

1. Python 3.10+
2. Tesseract OCR （可选——仅OCR工具需要）：

- 下载：https://github.com/UB-Mannheim/tesseract/wiki - 安装并确保它在PATH上 - 验证： tesseract --version

安装包

来自PyPI（推荐）：

pip install win32-mcp-server

来自GitHub（最新未发布）：

pip install git+https://github.com/RandyNorthrup/win32-mcp-server.git

来源：

git clone https://github.com/RandyNorthrup/win32-mcp-server.git
cd win32-mcp-server
pip install -e .

______________________________________________________________________

配置

VS代码与GitHub Copilot

添加到MCP配置(%APPDATA%\Code\User\mcp.json):

{
  "servers": {
    "win32-inspector": {
      "type": "stdio",
      "command": "win32-mcp-server"
    }
  }
}

或者从VS代码市场安装--搜索 “Windows自动化检查器”.

克劳德桌面

添加 %APPDATA%\Claude\claude_desktop_config.json:

{
  "mcpServers": {
    "win32-inspector": {
      "command": "win32-mcp-server"
    }
  }
}

任何MCP客户端

服务器使用 STDIO传输 并与任何兼容MCP的客户端配合使用。

______________________________________________________________________

使用示例

智能自动化（自然语言）

"Click the 'Submit' button"
"Wait for 'Loading complete' to appear, then click 'Continue'"
"Fill in the 'Username' field with 'admin@example.com'"
"Take a snapshot of the Chrome window and tell me what you see"
"Right-click the desktop and show me the menu options"

屏幕截图

"Capture a screenshot of the entire screen"
"Capture the Notepad window as a compressed JPEG at 50% scale"
"Compare the current screen to this reference image"

光学字符识别

"Extract all text from the screen"
"Get structured OCR data from the region at (100, 200) size 800x600"
"Read all text in the Chrome window"

鼠标和键盘

"Click at (500, 300) with the right mouse button"
"Drag from (100, 100) to (500, 500)"
"Type 'Hello World' — use clipboard paste for Unicode characters"
"Press Ctrl+Shift+S"

窗口和流程管理

"List all open windows containing 'Visual Studio'"
"Maximize the Chrome window"
"Resize Notepad to 800x600 and move it to (0, 0)"
"Wait for a window titled 'Installation Complete' to appear"
"List the top 20 processes by memory usage"
"Kill process with PID 1234"

批量操作

"Execute this sequence: click (100,100), wait 500ms, type 'hello', press Enter"

______________________________________________________________________

全部53个工具

智能自动化

屏幕截图

光学字符识别

老鼠

键盘

剪贴板

窗口管理

进程管理

系统

用户界面自动化

______________________________________________________________________

建筑

win32-mcp-server/
├── win32_mcp_server/
│   ├── __init__.py              # Package entry, version
│   ├── __main__.py              # python -m support
│   ├── config.py                # Dataclass config, PreprocessMode
│   ├── registry.py              # Decorator-based tool registry + dispatch
│   ├── server.py                # MCP server, stdio transport, health_check
│   ├── utils/
│   │   ├── coordinates.py       # DPI awareness, screen geometry, validation
│   │   ├── errors.py            # ToolError with suggestions
│   │   ├── imaging.py           # Image preprocessing, encoding, diffing
│   │   └── window_match.py      # Fuzzy title matching, deduplication, PID
│   └── tools/
│       ├── capture.py           # Screenshot tools (6)
│       ├── ocr.py               # OCR tools (5)
│       ├── mouse.py             # Mouse tools (8)
│       ├── keyboard.py          # Keyboard tools (3)
│       ├── clipboard.py         # Clipboard tools (2)
│       ├── window.py            # Window management tools (10)
│       ├── process.py           # Process management tools (4)
│       ├── smart.py             # Smart automation tools (8)
│       └── uia.py               # UI Automation API tools (6)
├── extension.js                 # VS Code extension bootstrap
├── package.json                 # VS Code extension manifest
├── pyproject.toml               # Python package config
└── LICENSE                      # MIT License

______________________________________________________________________

安全考虑

此服务器具有强大的系统控制功能。 仅在您控制MCP客户端的受信任环境中使用。

服务器可以：

• 捕获任何窗口或整个桌面的屏幕截图
• 读写系统剪贴板
• 控制鼠标和键盘输入
• 终止进程
• 启动应用程序

推荐做法

1. 仅在需要时启用 --不使用时通过VS代码设置禁用
2. 查看自动化日志 --所有工具调用都记录到stderr
3. 在沙盒环境中进行测试 首先
4. 限制MCP客户端访问 --限制谁可以调用服务器
5. 注意：PyAutoGUI故障保护功能已禁用，无法实现不间断自动化

______________________________________________________________________

故障排除

______________________________________________________________________

依赖项

______________________________________________________________________

贡献

欢迎投稿！

1. 分叉存储库
2. 创建要素分支(git checkout -b feature/my-feature)
3. 提交您的更改(git commit -am 'Add my feature')
4. 推到分支(git push origin feature/my-feature)
5. 打开拉取请求

______________________________________________________________________

许可证

MIT许可证——见 许可证 文件。

链接

• 仓库: https://github.com/RandyNorthrup/win32-mcp-server
• PyPI: https://pypi.org/project/win32-mcp-server/
• VS代码市场: https://marketplace.visualstudio.com/items?itemName=RandyNorthrup.win32-mcp检查员
• 问题: https://github.com/RandyNorthrup/win32-mcp-server/issues
• MCP规范: https://modelcontextprotocol.io/

______________________________________________________________________

作者: 兰迪·诺斯鲁普 专为Windows自动化和AI代理而构建