🚀 计算机控制 MCP 服务器

本项目是一个提供计算机控制功能的 MCP 服务器，支持鼠标、键盘控制以及 OCR 等功能。它基于 PyAutoGUI、RapidOCR 和 ONNXRuntime 构建，类似于 Anthropic 的 'computer-use'，且无外部依赖。

🚀 快速开始

通过 uvx 安装 MCP

{
  "mcpServers": {
    "computer-control-mcp": {
      "command": "uvx",
      "args": ["computer-control-mcp@latest"]
    }
  }
}

使用 pip 全局安装

pip install computer-control-mcp

运行服务器

computer-control-mcp # 而不是使用uvx computer-control-mcp，这样可以使用最新版本。也可以使用`uv cache clean`清除缓存后再次使用`uvx`以获取最新版本。

✨ 主要特性

• 控制鼠标移动和点击
• 在当前光标位置输入文本
• 截取整个屏幕或特定窗口的截图，可选保存到下载目录
• 使用 OCR（光学字符识别）从截图中提取文本
• 列出并激活窗口
• 按下键盘键
• 拖放操作

📦 安装指南

开发环境设置

1. 克隆仓库：

git clone https://github.com/AB498/computer-control-mcp.git
cd computer-control-mcp

2. 安装依赖项：

pip install -r requirements.txt

3. 启动服务器：

python server.py

💻 使用示例

基础用法

# 以下是一些基础用法示例
# 鼠标控制
from computer_control_mcp import click_screen, move_mouse
click_screen(100, 200)
move_mouse(300, 400)

# 键盘控制
from computer_control_mcp import type_text, press_key
type_text("Hello, World!")
press_key("Enter")

高级用法

# 高级场景说明：使用 OCR 截取屏幕并提取文本
from computer_control_mcp import take_screenshot
result = take_screenshot(with_ocr_text_and_coords=True)
print(result)

📚 详细文档

可用工具

鼠标控制

• click_screen(x: int, y: int)：在指定屏幕坐标点击
• move_mouse(x: int, y: int)：将鼠标移动到指定坐标
• drag_mouse(from_x: int, from_y: int, to_x: int, to_y: int, duration: float = 0.5)：从一个位置拖动鼠标到另一个位置

键盘控制

• type_text(text: str)：在当前光标位置输入指定文本
• press_key(key: str)：按下指定的键盘键

屏幕和窗口管理

• take_screenshot(title_pattern: str = None, use_regex: bool = False, threshold: int = 60, with_ocr_text_and_coords: bool = False, scale_percent_for_ocr: int = 100, save_to_downloads: bool = False)：截取屏幕或窗口，可选 OCR
• get_screen_size()：获取当前屏幕分辨率
• list_windows()：列出所有打开的窗口
• activate_window(title_pattern: str, use_regex: bool = False, threshold: int = 60)：激活指定窗口

API 参考

查看完整的 API 文档，请访问：https://github.com/AB498/computer-control-mcp/blob/main/docs/api.md

📄 许可证

MIT License

📞 联系方式

如需帮助或反馈，请联系：

• 邮箱：[此处插入邮箱地址]
• Discord：[此处插入 Discord 邀请链接]

⚠️ 重要提示

本项目仅在 Windows 上测试过，其他平台可能适用。