MCP 桌面自动化

一个模型上下文协议服务器，提供使用 RobotJS 的桌面自动化功能和截图功能。该服务器使 LLM 能够控制鼠标移动、键盘输入以及捕获桌面环境的屏幕截图。

配置以使用桌面自动化服务器

以下是如何配置 Claude Desktop 以使用 MCP 桌面自动化服务器：

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 Claude Desktop 运行此服务器时，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

虽然此服务器适用于各种 MCP 客户端，但它主要经过 Claude Desktop 的测试。

重要提示：当前实现具有 1MB 的响应大小限制。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 分辨率可以可靠地工作
• 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

要求

• Node.js (>=14.x)

组件

工具

• get_screen_size

  • 获取屏幕尺寸
  • 无需输入参数

• screen_capture

  • 捕获当前屏幕内容
  • 无需输入参数

• keyboard_press

  • 按下一个键盘键或组合键
  • 输入：
    • key (string, 必需): 要按下的键 (例如, 'enter', 'a', 'control')
    • modifiers (array of strings, 可选): 按键时按住的修饰键。可能的值: "control", "shift", "alt", "command"

• keyboard_type

  • 在当前光标位置键入文本
  • 输入: text (string, 必需): 要键入的文本

• mouse_click

  • 执行鼠标点击
  • 输入：
    • button (string, 可选, 默认: "left"): 要点击的鼠标按钮。可能的值: "left", "right", "middle"
    • double (boolean, 可选, 默认: false): 是否执行双击

• mouse_move

  • 将鼠标移动到指定的坐标
  • 输入：
    • x (number, 必需): X 坐标
    • y (number, 必需): Y 坐标

资源

该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 服务器在 MIT 许可证下获得许可。 这意味着您可以自由使用、修改和分发该软件，但须遵守 MIT 许可证的条款和条件。 有关更多详细信息，请参阅项目存储库中的 LICENSE 文件。