Winapp MCP

WinApp MCP

MCP（模型上下文协议）服务器，为AI编码代理提供Windows桌面应用程序上的“眼睛”和“手” FlaUI 以及Windows用户界面自动化（UIA3）。

适用于任何公开标准UI自动化树的Windows应用程序，包括 WPF, 桌面应用程序, WinUI 3，以及 .NET MAUI 应用程序。

先决条件

• Windows 10/11
• .NET 10 SDK — 下载
• 支持MCP的AI客户端（Claude Desktop、VS Code Copilot、Cursor等）

构建与运行

cd WinApp-MCP
dotnet build
dotnet run

服务器通过以下方式进行通信 标准 （stdin/stdout）使用MCP协议。

客户端配置

克劳德桌面/VS代码副本/光标

添加到MCP配置中：

{
  "mcpServers": {
    "winapp-mcp": {
      "command": "dotnet",
      "args": ["run", "--project", "C:\\path\\to\\WinApp-MCP\\WinApp-MCP.csproj"]
    }
  }
}

或者直接运行编译后的二进制文件：

{
  "mcpServers": {
    "winapp-mcp": {
      "command": "C:\\path\\to\\WinApp-MCP\\bin\\Debug\\net10.0-windows\\win-x64\\WinApp-MCP.exe"
    }
  }
}

工具参考

发现

检查

文本

交互

捕获并等待

代理工作流示例

1. list_windows(processName: "MyMauiApp")
   → PID: 12345, Handle: "1A2B3C", Title: "My App"

2. attach_application(processName: "MyMauiApp")
   → Handle: "1A2B3C"

3. get_window_tree(windowHandle: "1A2B3C", maxDepth: 3)
   → [Window] "My App" id="" class="WinUIDesktopWin32WindowClass"
       [Text] "Welcome" id="lblWelcome"
       [Edit] "" id="txtUsername" class="TextBox"
       [Edit] "" id="txtPassword" class="PasswordBox"
       [Button] "Sign In" id="btnSignIn"

4. type_text(windowHandle: "1A2B3C", automationId: "txtUsername", text: "admin")
   → Typed text via ValuePattern

5. type_text(windowHandle: "1A2B3C", automationId: "txtPassword", text: "pass123")
   → Typed text via ValuePattern

6. invoke_element(windowHandle: "1A2B3C", automationId: "btnSignIn")
   → Invoked: [Button] "Sign In" id="btnSignIn"

7. wait_for_element(windowHandle: "1A2B3C", name: "Dashboard", timeoutMs: 5000)
   → Element found

8. get_visible_text(windowHandle: "1A2B3C")
   → Found 3 text element(s):
       [Name] Welcome back, admin
       [Name] Dashboard
       [ValuePattern] Last login: 2026-03-08

9. screenshot(windowHandle: "1A2B3C")
   → [Screenshot captured: 1280x720px]

元素识别

元素可以通过以下方式找到（按优先级顺序）：

1. automationId --最可靠。由开发人员设置，在窗口内独一无二。
2. xpath --结构路径类似 //Button[@Name='OK']当Automation Id缺失时，该功能正常。
3. name + controlType --显示文本+类型组合。可用于标记控件。当多个元素匹配时，排名分辨率使用结构上下文（深度、对话角色、父类型）选择最佳候选者。

分级解决方案和模糊性

当名称+控制类型搜索匹配多个元素时（例如，在一个标准文件对话框中，有几个按钮被命名为“打开”），解析器会对每个候选项进行评分：

• 浅层元素 （更靠近窗口根）是首选。
• 对话框操作按钮 （automationId "1" / "2")获得丰厚奖金。
• 下拉按钮 （automationId "DropDown")以及 组合框儿童 受到惩罚。
• 已启用，可见 元素得分更高。

最佳评分元素会自动使用。当存在歧义时，工具如 click_element 和 invoke_element 附加一个诊断警告，列出所有候选人的分数和家长背景。

子树范围搜索

大多数工具支持 rootAutomationId --一个可选参数，将元素搜索范围限定到子树而不是整个窗口。这对于定位已知容器内的元素非常有用（例如，在指定的组合框中单击下拉按钮）。

文件对话框处理

标准的Windows打开/保存对话框公开了多个名为“打开”的控件——主接受按钮，以及“文件名：”和“文件类型：”组合框内的下拉按钮。WinApp MCP处理此问题：

• file_dialog_select --推荐的方法。在一次操作中输入文件路径并单击对话框接受按钮。同时适用于“打开”和“保存”对话框。
• 排名决议 --如果你使用 click_element 或 invoke_element 随着 name="Open"，主对话框按钮（automationId "1")自动优先于下拉按钮。
• 子树范围 --要明确指向特定组合框中的下拉按钮，请使用 rootAutomationId 以确定搜索范围。

供应商容忍度

WinApp MCP旨在与可能暴露不完整或非标准属性的真实UI自动化提供程序配合使用：

• 不支持的属性 按元素捕获并报告为 `` 而不是使操作失败。
• 树木检查 继续经过发生故障的节点，发出 [] 不可检查儿童的占位符。
• 项目选择 使用多策略回退链（名称→ 价值模式→ Legacy可访问→ 文本后代），当提供程序元数据不完整时。
• 模板化列表行 返回CLR类型名称（例如。 Namespace.Model.ClassName)而不是用户可见的文本被自动解析为可见的后代摘要。
• 复合控制 对于弱父元数据，可以通过以下方式进行探索 get_child_controls，根据互动类型对儿童进行分类。
• 瞬时COM故障 （例如。 E_UNEXPECTED)使用元素重新解析重试。
• 错误分类 区分 ElementNotFound, PropertyNotSupported, TransientProviderFailure，以及 OperationNotSupported 因此，代理人可以做出明智的决定。

故障排除

建筑

WinApp-MCP/
├── Program.cs                  # Host builder, DI, MCP server setup
├── Services/
│   ├── FlaUIService.cs         # Singleton: UIA3Automation, window cache, tree serialization
│   ├── ElementResolver.cs     # Element lookup with ranked resolution and transient failure recovery
│   └── SafeUIA.cs             # Safe UIA property access and multi-strategy text extraction
├── Models/
│   ├── ElementInfo.cs          # Compact DTO for element properties
│   ├── ErrorCategory.cs       # Error classification enum
│   ├── ResolveResult.cs       # Ranked resolution result with ambiguity diagnostics
│   ├── RowAction.cs           # Row-level action metadata for list items
│   └── ToolResult.cs          # Structured tool result with error categorization
└── Tools/
    ├── WindowTools.cs          # list_windows, attach_application, list_attached
    ├── InspectionTools.cs      # get_window_tree, find_elements, get_element_properties, get_selectable_items, get_child_controls
    ├── InteractionTools.cs     # click, invoke, type_text, toggle, select, file_dialog_select, send_keys, focus
    ├── TextTools.cs            # get_visible_text, get_element_text, set_text
    ├── CaptureTools.cs         # screenshot
    └── WaitTools.cs            # wait_for_element

更新日志

看 更改日志.md 发布历史。

许可证

麻省理工学院