MCP 桌面自动化

这是一个使用RobotJS提供桌面自动化功能并具有截图能力的Model Context Protocol服务器。此服务器使LLMs能够控制鼠标移动、键盘输入，并捕获桌面环境的截图。

配置以使用桌面自动化服务器

以下是配置Claude Desktop以使用MCP桌面自动化服务器的方法：

NPX

{
  "mcpServers": {
    "desktop-automation": {
      "command": "npx",
      "args": ["-y", "mcp-desktop-automation"]
    }
  }
}

权限

此服务器需要系统级权限来：

• 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时，您可能需要在操作系统安全设置中授予这些权限。

限制

虽然此服务器与各种MCP客户端兼容，但主要是在Claude Desktop上进行测试。

重要：当前实现有一个1MB响应大小限制。对于屏幕截图，这意味着：

• 高分辨率截图可能会超过此限制而失败
• 测试表明800x600分辨率可以可靠工作
• 如果遇到问题，请考虑降低屏幕分辨率或仅捕获特定屏幕区域

要求

• Node.js (>=14.x)

组件

工具

• get_screen_size

  • 获取屏幕尺寸
  • 不需要输入参数

• screen_capture

  • 捕获当前屏幕内容
  • 不需要输入参数

• keyboard_press

  • 按下键盘键或键组合
  • 输入：
    • key (字符串，必需)：要按下的键（例如，'enter', 'a', 'control'）
    • modifiers (字符串数组，可选)：按下键时要按住的修饰键。可能值："control", "shift", "alt", "command"

• keyboard_type

  • 在当前位置输入文本
  • 输入：text (字符串，必需)：要输入的文本

• mouse_click

  • 执行鼠标点击
  • 输入：
    • button (字符串，可选，默认："left")：要点击的鼠标按钮。可能值："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：
    • x (数字，必需)：X坐标
    • y (数字，必需)：Y坐标

资源

服务器提供了对截图的访问：

1. 截图列表 (screenshot://list)

   • 列出所有可用截图的名称

2. 截图内容 (screenshot://{id})

   • 捕获的截图的PNG图像
   • 通过截图ID（基于时间戳命名）访问

主要特性

• 桌面鼠标控制
• 键盘输入模拟
• 屏幕尺寸检测
• 截图能力
• 简单的JSON响应格式

许可证

此MCP服务器根据MIT许可证发布。这意味着您可以自由地使用、修改和分发该软件，但需遵守MIT许可证中的条款和条件。更多详情，请参见项目存储库中的LICENSE文件。 </中文翻译>