MCP 桌面自动化

这是一个使用 RobotJS 提供桌面自动化功能和屏幕截图功能的 Model Context Protocol 服务器。该服务器使 LLMs 能够控制鼠标移动、键盘输入，并捕获桌面环境的屏幕截图。

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

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

权限

此服务器需要系统级权限来执行以下操作：

• 捕获屏幕截图
• 控制鼠标移动和点击
• 模拟键盘输入

首次运行带有此服务器的 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。

限制

虽然此服务器可以与各种 MCP 客户端一起工作，但它主要是在 Claude Desktop 上进行了测试。

重要提示：当前实现有一个 1MB 的响应大小限制。对于屏幕截图，这意味着：

• 高分辨率截图可能会超过此限制并失败
• 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

  • 按下键盘按键或组合键
  • 输入：
    • key (字符串, 必填): 要按下的键（例如，"enter", "a", "control"）
    • modifiers (字符串数组, 可选): 在按下键时要按住的修饰键。可能的值: "control", "shift", "alt", "command"

• keyboard_type

  • 在当前光标位置输入文本
  • 输入: text (字符串, 必填): 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。可能的值: "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, 必填): X 坐标
    • y (数字, 必填): Y 坐标

资源

服务器提供了对截图的访问：

1. 截图列表 (screenshot://list)

   • 按名称列出所有可用的截图

2. 截图内容 (screenshot://{id})

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

主要特性

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

许可证

此 MCP 服务器根据 MIT 许可证许可。这意味着您可以自由地使用、修改和分发软件，但需遵守 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。