AI导哈

桌面自动化服务

一个基于RobotJS的桌面自动化服务，提供鼠标控制、键盘输入模拟和屏幕截图功能，适用于需要自动化桌面操作的场景。

  • by tanob
  • JavaScript
  • 本地部署
  • 35 星标
  • 更新于
在 GitHub 查看 tanob/mcp-desktop-automation

使用说明

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

  2. 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。

相关 MCP