Computer Control MCP

🚀 計算機控制 MCP 服務器

本項目是一個提供計算機控制功能的 MCP 服務器，支持鼠標、鍵盤控制以及 OCR 等功能。它基於 PyAutoGUI、RapidOCR 和 ONNXRuntime 構建，類似於 Anthropic 的 'computer-use'，且無外部依賴。

🚀 快速開始

通過 uvx 安裝 MCP

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

使用 pip 全局安裝

pip install computer-control-mcp

運行服務器

computer-control-mcp # 而不是使用uvx computer-control-mcp，這樣可以使用最新版本。也可以使用`uv cache clean`清除緩存後再次使用`uvx`以獲取最新版本。

✨ 主要特性

• 控制鼠標移動和點擊
• 在當前光標位置輸入文本
• 截取整個屏幕或特定窗口的截圖，可選保存到下載目錄
• 使用 OCR（光學字符識別）從截圖中提取文本
• 列出並激活窗口
• 按下鍵盤鍵
• 拖放操作

📦 安裝指南

開發環境設置

1. 克隆倉庫：

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

2. 安裝依賴項：

pip install -r requirements.txt

3. 啟動服務器：

python server.py

💻 使用示例

基礎用法

# 以下是一些基礎用法示例
# 鼠標控制
from computer_control_mcp import click_screen, move_mouse
click_screen(100, 200)
move_mouse(300, 400)

# 鍵盤控制
from computer_control_mcp import type_text, press_key
type_text("Hello, World!")
press_key("Enter")

高級用法

# 高級場景說明：使用 OCR 截取屏幕並提取文本
from computer_control_mcp import take_screenshot
result = take_screenshot(with_ocr_text_and_coords=True)
print(result)

📚 詳細文檔

可用工具

鼠標控制

• click_screen(x: int, y: int)：在指定屏幕座標點擊
• move_mouse(x: int, y: int)：將鼠標移動到指定座標
• drag_mouse(from_x: int, from_y: int, to_x: int, to_y: int, duration: float = 0.5)：從一個位置拖動鼠標到另一個位置

鍵盤控制

• type_text(text: str)：在當前光標位置輸入指定文本
• press_key(key: str)：按下指定的鍵盤鍵

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，可選 OCR
• get_screen_size()：獲取當前屏幕分辨率
• list_windows()：列出所有打開的窗口
• activate_window(title_pattern: str, use_regex: bool = False, threshold: int = 60)：激活指定窗口

API 參考

查看完整的 API 文檔，請訪問：https://github.com/AB498/computer-control-mcp/blob/main/docs/api.md

📄 許可證

MIT License

📞 聯繫方式

如需幫助或反饋，請聯繫：

• 郵箱：[此處插入郵箱地址]
• Discord：[此處插入 Discord 邀請鏈接]

⚠️ 重要提示

本項目僅在 Windows 上測試過，其他平臺可能適用。