nutjs-windows-control

MCPControl 是一个针对 Windows 操作系统的自动化 MCP（Model Context Protocol）服务器，用于在 AI 模型与桌面系统之间建立程序化控制通道。根据官方资料，它提供对系统操作的编程控制，涵盖鼠标、键盘、窗口管理和屏幕捕获功能。项目当前仅支持 Windows。

用途

MCPControl 的定位是连接 AI 模型与桌面环境，实现对以下对象的程序化控制：鼠标移动与点击、键盘输入与快捷键、窗口管理、屏幕捕获与分析、剪贴板操作。官方将其称为“Windows control server for the Model Context Protocol”。

主要能力

• 窗口管理：列出所有窗口、获取活动窗口信息、聚焦、调整大小与重新定位。
• 鼠标控制：精确移动、点击与拖拽操作、滚动与位置跟踪。
• 键盘控制：文本输入与组合键、按键按下/释放控制、按住按键功能。
• 屏幕操作：高质量截图、屏幕尺寸检测、活动窗口捕获。
• 剪贴板操作。

自动化提供程序（Automation Providers）：MCPControl 支持多个自动化提供程序，包括 keysender（默认，原生 Windows 自动化，可靠性高）、powershell（基于 Windows PowerShell，适合较简单的操作）、autohotkey（AutoHotkey v2 脚本，适合高级自动化需求）。可通过环境变量配置提供程序，或针对特定操作使用模块化配置。

使用方式

安装步骤（官方列出）：

1. 以管理员身份安装 Build Tools（含 VC++ 工作负载），命令：winget install Microsoft.VisualStudio.2022.BuildTools --override "--wait --passive --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended"。
2. 安装 Python（如未安装）：winget install Python.Python.3.12。
3. 安装 Node.js：winget install OpenJS.NodeJS（安装最新 LTS 版本）。
4. 安装 MCPControl 包：npm install -g mcp-control。

配置 Claude 客户端通过 SSE 传输连接 MCPControl。连接运行在虚拟机或远程机器上的 MCPControl 服务器时，需将示例中的 192.168.1.100:3232 替换为服务器实际的 IP 地址与端口。启动服务器（在虚拟机或本机）：服务器会显示可用网络接口及其 IP 地址、端口号（默认 3232）和连接状态消息。

虚拟机设置示例：

1. 以 1280x720 分辨率启动 Windows 虚拟机。
2. 在虚拟机上安装：npm install -g mcp-control。
3. 以 SSE 传输运行服务器：mcp-control --sse。
4. 记录虚拟机 IP 地址（例如 192.168.1.100）。
5. 用 SSE URL 配置 Claude：{ "mcpServers": { "MCPControl": { "transport": "sse", "url": "http://192.168.1.100:3232/mcp" } } }。
6. 重启 Claude，MCPControl 将出现在 MCP 菜单中。

命令行参数：

• --sse：启用 SSE（Server-Sent Events）传输以进行网络访问。
• --port [number]：指定自定义端口（默认 3232）。
• --https：启用 HTTPS/TLS（按 MCP 规范，远程部署必需）。
• --cert [path]：TLS 证书文件路径（使用 --https 时必需）。
• --key [path]：TLS 私钥文件路径（使用 --https 时必需）。

官方指出，根据 MCP 规范，生产环境中所有基于 HTTP 的传输都必须使用 HTTPS。远程访问部署 MCPControl 时，应始终使用 --https 标志并配置有效的 TLS 证书。

适用场景

官方列出的流行用例包括：

• 辅助自动化：应用测试（将重复的 UI 测试交给 Claude，让 AI 浏览应用并报告问题）、工作流自动化、表单填写。
• AI 实验：AI 玩游戏（通过视觉反馈学习玩简单游戏）、视觉推理（测试 Claude 导航视觉界面和解决视觉谜题的能力）、人机协作。
• 开发与测试：跨应用集成、UI 测试框架、演示创建。

限制与风险

• 仅支持 Windows。
• 官方强烈声明：该软件为实验性且可能具有危险性。使用即表示承认：通过该工具让 AI 直接控制计算机本身具有风险；软件可控制鼠标、键盘及其他系统功能，可能导致意外后果；使用风险完全自负；项目创建者与贡献者不对任何损害、数据丢失或其他后果负责；该工具只应在有适当安全措施的受控环境中使用。
• 已知限制：目前不支持窗口最小化/恢复操作；多屏功能在某些环境下可能无法按预期工作；get_screenshot 工具与 VS Code 扩展 Cline 不兼容（见 GitHub issue #1865）；部分操作可能需要提升的权限（取决于目标应用）；仅支持 Windows。
• 官方建议在 1280x720 分辨率、单屏下的虚拟机中使用，点击精度针对该分辨率优化，并表示正在处理偏移/缩放缺陷，寻找测试者或协助创建测试工具。

开发与项目信息

开发要求：Windows 操作系统（keysender 依赖所需）、Node.js 18 或更高版本（使用包含构建工具的官方 Windows 安装程序）、npm 包管理器、原生构建工具（npm install -g node-gyp、npm install -g cmake-js）。keysender 依赖依赖 Windows 特定的原生模块，需要这些构建工具。 项目结构：/src 下含 /handlers（请求处理与工具管理）、/tools（核心功能实现）、/types（TypeScript 类型定义），以及 index.ts（主应用入口）。 仓库分支：main（包含最新特性的主开发分支）、release（稳定发布分支，镜像最新稳定标签，当前 v0.2.0）。可通过 npm 安装特定版本。 依赖包括：@modelcontextprotocol/sdk、keysender、clipboardy、sharp、uuid。 许可：MIT License。