Windows-MCP.NET
项目介绍
Windows MCP. Net
English | 中文
基于.NET的Windows桌面自动化MCP（Model Context Protocol）服务器提供了与Windows桌面环境交互的能力。
📋 目录
🚀 快速开始
预备条件
- Windows操作系统
- .NET 10.0运行时或更高版本
重要通知此项目需要.NET 1.0才能运行，请确保本地已安装.NET 1.0。如果尚未安装，请访问 .NET 1.0下载页面 下载并安装。
1. MCP客户端配置
在您的MCP客户端配置中添加以下配置：
使用全局安装的工具（推荐）
{
"mcpServers": {
"WindowsMCP.Net": {
"type": "stdio",
"command": "dnx",
"args": ["WindowsMCP.Net@", "--yes"],
"env": {}
}
}
}
直接使用项目源码（开发模式）
方法1：工作区配置
在项目的根目录下创建.vscode/mcp.json文件：
{
"mcpServers": {
"Windows-MCP.Net-Dev": {
"type": "stdio",
"command": "dotnet",
"args": ["run", "--project", "src/Windows-MCP.Net.csproj"],
"cwd": "${workspaceFolder}",
"env": {}
}
}
}
方法2：用户配置
通过VS Code命令面板运行MCP: 打开用户配置添加：
{
"mcpServers": {
"Windows-MCP.Net-Local": {
"type": "stdio",
"command": "dotnet",
"args": ["run", "--project", "src/Windows-MCP.Net.csproj"],
"env": {}
}
}
}
注意使用项目源码便于开发和调试，修改代码无需重新安装即可生效。VS Code 1.102+版本支持自动发现和管理MCP服务器。
2. 安装和运行
方法1：全局安装（推荐）
dotnet tool install --global WindowsMCP.Net
方法2：从源码运行
# 克隆仓库
git clone https://github.com/AIDotNet/Windows-MCP.Net.git
cd Windows-MCP.Net
# 构建项目
dotnet build
# 运行项目
dotnet run --project src/Windows-MCP.Net.csproj
3. 开始使用
配置完成后，重启您的MCP客户端以开始使用Windows桌面自动化功能！
🚀 功能特性
核心功能
- 应用程序启动通过名称从开始菜单启动应用程序
- PowerShell集成执行PowerShell命令并返回结果
- 桌面状态捕获获取当前桌面状态，包括活跃的应用程序、UI元素等
- 剪贴板操作复制和粘贴文本内容
- 鼠标操作点击、拖动和移动鼠标光标
- 键盘操作文本输入、按键操作、快捷键组合
- 窗口管理调整窗口大小和位置，切换应用程序
- 滚动操作在指定坐标处执行滚动操作
- 网页捕获检索网页内容并转换为Markdown格式
- 浏览器操作在默认浏览器中打开指定的URL
- 截图功能捕获屏幕并保存到临时目录
- 文件系统操作创建、读取、写入、复制、移动和删除文件及目录的操作
- OCR文本识别从屏幕或指定区域提取文本并定位文本位置
- 系统控制调整屏幕亮度、系统音量、屏幕分辨率等系统设置
- 等待控制在操作之间添加延迟
支持的工具
桌面操作工具
| 工具名称 | 功能描述 |
|---|---|
| LaunchTool | 从开始菜单启动应用程序 |
| PowershellTool | 执行PowerShell命令并返回状态码 |
| StateTool | 捕获桌面状态信息，包括应用程序和UI元素 |
| ClipboardTool | 剪贴板上的复制和粘贴操作 |
| ClickTool | 鼠标点击操作（支持左击、右击、中击、单击、双击、三击） |
| TypeTool | 在指定坐标处输入文本，支持清除和输入 |
| ResizeTool | 调整窗口大小和位置 |
| SwitchTool | 切换到指定的应用程序窗口 |
| ScrollTool | 在指定坐标或当前位置处滚动 |
| DragTool | 从源坐标拖动到目标坐标 |
| MoveTool | 将鼠标光标移动到指定坐标 |
| ShortcutTool | 执行键盘快捷键组合 |
| KeyTool | 按下单一键盘键 |
| WaitTool | 暂停执行指定秒数 |
| ScrapeTool | 捕获网页内容并转换为Markdown格式 |
| ScreenshotTool | 捕获屏幕并保存到临时目录，返回图像路径 |
| OpenBrowserTool | 在默认浏览器中打开指定的URL |
FileSystem文件系统工具
| 工具名称 | 功能描述 |
|---|---|
| ReadFileTool | 读取指定文件的内容 |
| WriteFileTool | 向文件写入内容 |
| CreateFileTool | 创建新文件并写入指定内容 |
| CopyFileTool | 将文件复制到指定位置 |
| MoveFileTool | 移动或重命名文件 |
| DeleteFileTool | 删除指定文件 |
| GetFileInfoTool | 检索文件信息（大小、创建时间等） |
| ListDirectoryTool | 列出目录中的文件和子目录 |
| CreateDirectoryTool | 创建新目录 |
| DeleteDirectoryTool | 删除目录及其内容 |
| SearchFilesTool | 在指定目录中搜索文件 |
OCR图像识别工具
| 工具名称 | 功能描述 |
|---|---|
| ExtractTextFromScreenTool | 使用OCR从整个屏幕提取文本 |
| ExtractTextFromRegionTool | 使用OCR从屏幕指定区域提取文本 |
| FindTextOnScreenTool | 使用OCR在屏幕上搜索指定文本 |
| GetTextCoordinatesTool | 获取屏幕上文本的位置坐标 |
| ExtractTextFromFileTool | 使用OCR从图像文件中提取文本 |
UI元素识别工具
| 工具名称 | 功能描述 |
|---|---|
| FindElementByTextTool | 通过文本内容搜索UI元素 |
| FindElementByClassNameTool | 通过类名搜索UI元素 |
| FindElementByAutomationIdTool | 通过自动化ID搜索UI元素 |
| GetElementPropertiesTool | 检索指定坐标元素的属性信息 |
| WaitForElementTool | 等待指定元素出现在界面上 |
SystemControl系统控制工具
| 工具名称 | 功能描述 |
|---|---|
| BrightnessTool | 调整屏幕亮度，支持增减和设置特定百分比 |
| VolumeTool | 调整系统音量，支持增减和设置特定百分比 |
| ResolutionTool | 设置屏幕分辨率（高、中、低） |
💡 使用场景
🤖 AI助手桌面自动化
- 智能客服机器人AI助手可以自动操作Windows应用程序，帮助用户完成复杂的桌面任务
- 语音助手集成结合语音识别，通过语音命令控制桌面应用程序
- 智能办公助手AI助手自动处理日常办公任务，如文档整理、邮件发送等
📊 办公自动化
- 数据录入自动化自动从网页或文档中提取数据，并输入到Excel或其他应用程序中
- 报告生成自动收集系统信息、截图，并生成格式化的报告文档
- 批量文件处理自动组织、重命名和分类大量文件和文档
- 邮件自动化自动发送定期报告和通知邮件
🧪 软件测试和质量保证
- UI自动化测试模拟用户操作，自动测试桌面应用程序的功能
- 回归测试自动执行重复的测试用例，确保软件质量
- 性能监控自动收集应用程序性能数据并生成监控报告
- Bug复现自动复现用户报告的问题，协助开发者调试
🎯 业务流程自动化
- 客户服务自动处理客户请求并更新CRM系统
- 订单处理自动从多个渠道收集订单信息并输入系统
- 库存管理自动更新库存数据并生成补货提醒
- 财务对账自动比较不同系统中的财务数据并标记差异
🔍 数据收集和分析
- 网络数据爬取自动从多个网站收集产品价格、新闻等信息
- 竞争分析定期从竞争对手收集产品信息和价格数据
- 市场调研自动收集和整理市场数据，生成分析报告
- 社交媒体监控监控品牌提及并自动收集用户反馈
🎮 游戏和娱乐
- 游戏辅助自动执行重复的游戏任务（请遵守游戏规则）
- 直播助手自动管理直播软件，切换场景并发送消息
- 媒体管理自动整理音乐和视频文件，更新媒体库
🏥 医疗和健康
- 医疗记录录入自动将纸质医疗记录转换为电子格式
- 医学影像分析结合OCR技术自动从医学报告中提取关键信息
- 预约管理自动处理患者预约请求并更新医院管理系统
🏫 教育和培训
- 在线考试自动批改多项选择题并生成成绩报告
- 课程管理自动更新课程信息并向学生发送通知
- 学习进度跟踪自动记录学生的活动并生成进度报告
🏭 制造和物流
- 生产数据采集自动从生产设备收集数据并更新ERP系统
- 质量检验结合图像识别自动检测产品质量
- 物流追踪自动更新货物状态并向客户发送追踪信息
🔧 系统运维
- 服务器监控自动检查服务器状态并生成监控报告
- 日志分析自动分析系统日志并识别异常模式
- 备份管理自动执行数据备份并验证备份完整性
- 部署自动化的软件安装和配置过程
📸 演示截图
文本输入演示
使用TypeTool自动在记事本中输入文本：
网页搜索演示
使用ScrapeTool打开并搜索网页内容：
📹 演示视频
完整的桌面自动化操作演示：
🛠️ 技术栈
- .NET 10.0基于最新的.NET框架
- Model Context Protocol使用MCP协议进行通信
- Microsoft.Extensions.Hosting应用托管框架
- Serilog结构化日志
- HtmlAgilityPackHTML解析和网络爬虫
- ReverseMarkdownHTML转Markdown转换
🏗️ 项目结构
src/
├── Windows-MCP.Net/ # 主项目
│ ├── .mcp/ # MCP服务器配置
│ │ └── server.json # 服务器配置文件
│ ├── Exceptions/ # 自定义异常类（待扩展）
│ ├── Interface/ # 服务接口定义
│ │ ├── IDesktopService.cs # 桌面服务接口
│ │ ├── IFileSystemService.cs # 文件系统服务接口
│ │ └── IOcrService.cs # OCR服务接口
│ ├── Models/ # 数据模型（待扩展）
│ ├── Prompts/ # 提示模板（待扩展）
│ ├── Services/ # 核心服务实现
│ │ ├── DesktopService.cs # 桌面操作服务
│ │ ├── FileSystemService.cs # 文件系统服务
│ │ └── OcrService.cs # OCR服务
│ ├── Tools/ # MCP工具实现
│ │ ├── Desktop/ # 桌面操作工具
│ │ │ ├── ClickTool.cs # 点击工具
│ │ │ ├── ClipboardTool.cs # 剪贴板工具
│ │ │ ├── DragTool.cs # 拖拽工具
│ │ │ ├── GetWindowInfoTool.cs # 窗口信息工具
│ │ │ ├── KeyTool.cs # 按键工具
│ │ │ ├── LaunchTool.cs # 启动应用工具
│ │ │ ├── MoveTool.cs # 鼠标移动工具
│ │ │ ├── OpenBrowserTool.cs # 浏览器打开工具
│ │ │ ├── PowershellTool.cs # PowerShell执行工具
│ │ │ ├── ResizeTool.cs # 窗口调整工具
│ │ │ ├── ScrapeTool.cs # 网页抓取工具
│ │ │ ├── ScreenshotTool.cs # 截图工具
│ │ │ ├── ScrollTool.cs # 滚动工具
│ │ │ ├── ShortcutTool.cs # 快捷键工具
│ │ │ ├── StateTool.cs # 桌面状态工具
│ │ │ ├── SwitchTool.cs # 应用切换工具
│ │ │ ├── TypeTool.cs # 文本输入工具
│ │ │ ├── UIElementTool.cs # UI元素操作工具
│ │ │ └── WaitTool.cs # 等待工具
│ │ ├── FileSystem/ # 文件系统工具
│ │ │ ├── CopyFileTool.cs # 文件复制工具
│ │ │ ├── CreateDirectoryTool.cs # 目录创建工具
│ │ │ ├── CreateFileTool.cs # 文件创建工具
│ │ │ ├── DeleteDirectoryTool.cs # 目录删除工具
│ │ │ ├── DeleteFileTool.cs # 文件删除工具
│ │ │ ├── GetFileInfoTool.cs # 文件信息工具
│ │ │ ├── ListDirectoryTool.cs # 目录列表工具
│ │ │ ├── MoveFileTool.cs # 文件移动工具
│ │ │ ├── ReadFileTool.cs # 文件读取工具
│ │ │ ├── SearchFilesTool.cs # 文件搜索工具
│ │ │ └── WriteFileTool.cs # 文件写入工具
│ │ └── OCR/ # OCR识别工具
│ │ ├── ExtractTextFromRegionTool.cs # 区域文本提取工具
│ │ ├── ExtractTextFromScreenTool.cs # 屏幕文本提取工具
│ │ ├── FindTextOnScreenTool.cs # 屏幕文本查找工具
│ │ └── GetTextCoordinatesTool.cs # 文本坐标获取工具
│ ├── Program.cs # 程序入口点
│ └── Windows-MCP.Net.csproj # 项目文件
└── Windows-MCP.Net.Test/ # 测试项目
├── DesktopToolsExtendedTest.cs # 桌面工具扩展测试
├── FileSystemToolsExtendedTest.cs # 文件系统工具扩展测试
├── OCRToolsExtendedTest.cs # OCR工具扩展测试
├── ToolTest.cs # 工具基础测试
├── UIElementToolTest.cs # UI元素工具测试
└── Windows-MCP.Net.Test.csproj # 测试项目文件
🚧 功能扩展建议
计划功能
高级UI识别和交互
- UI元素识别增强支持更多UI框架（WPF、WinForms、UWP）
- OCR文本识别优化多语言支持以提高识别准确性
- 智能等待机制动态等待元素加载完成
文件系统操作增强
- 高级文件搜索支持内容搜索和正则表达式匹配
- 批量文件操作支持批量复制、移动和重命名
- 文件监控实时监控文件系统变化
系统监控和性能分析
- 系统资源监控CPU、内存、磁盘和网络使用情况
- 进程管理进程列表检索、性能监控、进程控制
- 性能分析报告生成详细的系统性能报告
多媒体处理能力
- 音频控制系统音量控制、音频设备管理
- 图像处理图像缩放、裁剪、格式转换
- 屏幕录制支持屏幕录制和播放
网络和通信功能
- 网络诊断Ping、端口扫描和连通性测试