革命性突破！Windows-MCP 开源：AI 助手直接操控实体电脑，告别按键精灵！

在AI驱动的桌面自动化领域，让AI助手直接操控Windows操作系统以实现复杂任务一直是开发者的追求。

传统自动化工具通常依赖计算机视觉或特定模型，部署复杂且性能受限。

最近在 GitHub 上发现一款可实现 Windows 自动化的“开源核弹”工具，通过 AI 助手实现与 Windows UI 元素进行原生交互，可进行点击、输入、滚动、快捷键、运行命令等操作，模拟用户输入。

它便是 Windows-MCP，一个轻量级、开源的桥梁，连接 AI 代理与 Windows 操作系统。它实现了模型上下文协议（MCP）标准，使像 Claude 这样的 AI 助手能够通过一组强大的工具直接与 Windows 应用程序和界面元素互动。

通过鼠标点击、键盘输入、应用启动和PowerShell命令执行实现系统级自动化，支持Windows 7-11，无需传统计算机视觉技术即可与任意LLM（大型语言模型）协作。

下面是一段通过 Windown-MCP 操控 Edge 浏览器的演示：

GitHub 项目地址：https://github.com/CursorTouch/Windows-MCP

主要功能

• • 鼠标操作：支持点击、拖拽、移动，精准执行桌面交互
• • 键盘输入：模拟键盘输入，支持快捷键组合（如 Ctrl+C / Ctrl+V）
• • 应用控制：启动/关闭程序、切换窗口、最大化/最小化操作
• • 剪贴板管理：读取、写入系统剪贴板
• • 桌面截图：获取当前桌面截图，帮助 AI 理解上下文
• • 滚动控制：控制页面滚动，实现文档浏览或网页操作
• • PowerShell：直接执行系统命令，实现更底层的自动化
• • MCP 协议支持：可直接接入 Claude Desktop、Cursor 等 MCP 客户端

快速入手

先决条件：

• • Python 3.13+
• • Claude 桌面应用程序或其他 MCP 客户端
• • UV（包管理器），使用pip install uv安装
• • DXT（桌面扩展），使用npm install -g @anthropic-ai/dxt进行安装
• • 在Windows中将英语设置为默认语言

在文件资源管理器中导航到 %USERPROFILE%/.gemini，然后打开 settings.json。

在settings.json中添加windows-mcp配置并保存。

{
  "theme": "Default",
  ...
//MCP Server Config
  "mcpServers": {
    "windows-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "<path to the windows-mcp directory>",
        "run",
        "main.py"
      ]
    }
  }
}

在终端中重新运行 Gemini CLI。

Windows-MCP 项目克隆

git clone https://github.com/CursorTouch/Windows-MCP.git
cd Windows-MCP

构建桌面扩展 DXT：

npx @anthropic-ai/dxt pack

最后打开 Claude 桌面，前往Claude桌面版：设置->扩展->安装扩展（找到.dxt文件）-> 安装

适用场景

• • 自动化办公：AI 代替你操作 Excel、PPT、Word
• • 软件测试：模拟用户行为执行 UI 自动化测试
• • 网页操作：打开浏览器、登录账号、批量下载数据
• • 桌面辅助：AI 截图识别后自动执行下一步操作
• • 系统管理：执行 PowerShell 脚本批量处理任务

写在最后

Windows-MCP 以其轻量级MCP服务器架构，为AI助手赋予了直接控制Windows UI的能力，支持鼠标、键盘、应用启动和PowerShell命令执行。

支持Windows 7-11，兼容Claude Desktop等MCP客户端。利用这些工具和技术，我们可以构建强大的自动化和AI代理，有效与Windows应用程序交互。