MCP 桌面自动化
MCP（Model Context Protocol）服务器，提供基于 RobotJS 的桌面自动化功能和屏幕截图能力。该服务器使 LLMs（大型语言模型）能够控制鼠标移动、键盘输入，并捕获桌面环境的屏幕截图。
配置使用桌面自动化服务器
以下是配置 Claude Desktop 使用 MCP 桌面自动化服务器的方法：
NPX 配置
权限要求
该服务器需要系统级权限以执行以下操作：
- 捕获屏幕截图
- 控制鼠标移动和点击
- 模拟键盘输入
首次运行 Claude Desktop 并使用此服务器时，您可能需要在操作系统的安全设置中授予这些权限。
限制
虽然该服务器可与多种 MCP 客户端配合使用，但主要测试环境为 Claude Desktop。
重要提示：当前实现的响应大小限制为 1MB。对于屏幕截图，这意味着：
- 高分辨率截图可能超出此限制并导致失败
- 测试表明 800x600 分辨率可靠
- 如果遇到问题，建议降低屏幕分辨率或仅捕获特定屏幕区域
系统要求
- 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
- 按下键盘按键或组合键
- 输入参数：
key（字符串，必填）：要按下的键（例如 'enter', 'a', 'control'）modifiers（字符串数组，可选）：按下键时同时按住的功能键。可选值："control", "shift", "alt", "command"
- keyboard_type
- 在当前光标位置输入文本
- 输入参数：
text（字符串，必填）：要输入的文本
- mouse_click
- 执行鼠标点击
- 输入参数：
button（字符串，可选，默认："left"）：要点击的鼠标按钮。可选值："left", "right", "middle"double（布尔值，可选，默认：false）：是否执行双击
- mouse_move
- 将鼠标移动到指定坐标
- 输入参数：
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：
- 截图列表 (
screenshot://list) - 按名称列出所有可用截图
- 截图内容 (
screenshot://{id}) - 捕获的截图 PNG 图像
- 通过基于时间戳命名的截图 ID 访问
主要功能
- 桌面鼠标控制
- 键盘输入模拟
- 屏幕尺寸检测
- 截图功能
- 简单的 JSON 响应格式
许可证
本 MCP 服务器采用 MIT 许可证。这意味着您可以自由使用、修改和分发该软件，但需遵守 MIT 许可证的条款和条件。更多详情，请参阅项目仓库中的 LICENSE 文件。
- Author:waytomcp
- URL:https://www.waytomcp.com/article/tanob/mcp-desktop-automation
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
