标签：桌面自动化

一个强大的MCP服务器，允许LLMs查看和与Windows桌面交互，提供屏幕捕获、UI元素检测和输入控制功能。

基于新版cua SDK重构的计算机使用MCP服务，提供桌面自动化操作、沙箱管理和后台窗口级自动化功能。

基于Go的MCP协议服务器，提供鼠标、键盘、屏幕、窗口和进程管理等本地桌面自动化控制功能，适用于AI工具集成和自动化脚本开发。

GNOME和Fedora的FastMCP MCP服务器，允许AI客户端自动化桌面任务，包括外观调整、应用启动、电源、网络、音频、通知、剪贴板和文件操作。

WinJavaDriver是一个实现了W3C WebDriver协议的Windows桌面自动化工具，支持通过Java语言使用类似Selenium的API自动化Windows应用程序。

一个用于GNOME Wayland桌面的小型MCP服务器，提供桌面元素查找、激活、输入、截图等功能，支持通过Docker运行。

Scroll MCP是一个模型上下文协议服务器，使AI代理能够在Wayland合成器Scroll上执行桌面自动化，集成窗口管理、截图、鼠标和键盘控制等功能。

Echo是一款多模态AI桌面助手，通过语音和文本控制操作系统及自动化Google Workspace任务。

lazy-desktop-mcp 是一个本地优先的桌面控制MCP服务器，提供安全的应用程序/窗口/输入/屏幕截图自动化功能，并具有操作员存在感知UI。适用于macOS和Windows平台，支持Codex、Claude Code等MCP客户端。

CUE是AI计算机使用代理的安全中间件，用于监控、执行策略并提供防护措施，确保AI代理安全合规地与桌面交互。

一款基于Claude Vision API的屏幕截图捕获与分析工具，支持AI助手对桌面界面进行视觉分析和智能反馈。

一个用于macOS桌面自动化的MCP服务器，提供鼠标、键盘控制、屏幕捕获与分析功能，适用于自动化测试和开发辅助。

Hyprland-mcp是一个用于Hyprland桌面的自动化服务，提供屏幕捕捉、OCR、鼠标键盘控制、窗口管理等功能，适用于AI助手与桌面交互。

一个模块化的MCP服务器，允许兼容OpenAI的本地LLM通过78种工具完全控制Windows 11桌面，支持LM Studio等本地模型集成和零配置解析。

ScreenHand是一款开源的桌面自动化服务，通过本地原生API实现快速（约50ms）的桌面操作，支持跨应用工作流和浏览器自动化，适用于AI助手控制桌面场景。

mac-use-mcp是一个零原生依赖的macOS桌面自动化工具，通过MCP协议提供鼠标、键盘和屏幕控制功能，适用于UI测试、工作流自动化和AI代理操作。

MCP Test Utils是一个用于自动化桌面UI测试的服务器，提供屏幕截图、窗口管理、鼠标键盘操作、UI自动化、OCR和文件搜索等功能，适用于自动化QA、桌面自动化和数据提取等场景。

Tauri 2.0插件，通过Model Context Protocol (MCP)实现桌面应用的自动化控制，支持AI助手与Tauri应用的交互。

一个基于C#和.NET 8的模型上下文协议（MCP）服务器，使AI代理能够查看、交互并自动化Windows桌面应用程序。

Wayland MCP Server 是一个基于Model Context Protocol的Wayland桌面自动化工具，提供屏幕截图、视觉分析、鼠标键盘控制及动作链执行功能，专为Linux系统上的AI驱动自动化设计。

一个基于MCP协议的Windows桌面自动化服务器，通过AutoIt提供鼠标、键盘、窗口管理等工具，适用于自动化任务和脚本开发。

Drive.NET是一个专为AI代理设计的Windows桌面自动化工具包，通过Model Context Protocol (MCP)暴露Windows桌面应用程序的UI自动化接口，支持AI代理进行进程发现、UI树检查、控件交互、截图捕获、可访问性分析及多步骤UI工作流执行。

一个允许AI观察和控制桌面的服务器，支持截图、鼠标移动、点击、滚动、键盘输入和运行shell命令。

CoDriver是一个通过Model Context Protocol实现的AI驱动桌面自动化控制工具，支持屏幕截图、UI树读取、OCR识别和鼠标键盘输入注入，适用于实时人机协作。