CursorTouch/Windows-MCP

项目概览

不依赖 GPU 和传统计算机视觉模型即可让 LLM 获取 Windows 桌面状态并执行系统操作，适用于多种大语言模型。

项目类型

MCP · AI Agent · AI 工作流

应用场景

文档办公 · 自动化执行

部署方式

查看项目说明

License

MIT

适合谁

• 希望在 Windows 环境中测试和构建 AI 桌面自动化流程、且不想折腾 GPU 和视觉模型的开发者和 AI 工程师。
• 需要通过统一的 MCP 接口让 LLM 同时具备 UI 点击操作和底层系统管理（PowerShell、注册表）能力的技术用户。

核心能力

• 通过底层无障碍服务与 Windows UI 元素进行原生交互，支持打开应用程序、控制窗口状态以及模拟用户的真实输入，避免了视觉识别带来的误差。
• 提供基础的键盘按键、鼠标操作以及捕获窗口/UI 状态的工具，让大语言模型能够像人类一样精确地操作图形界面。
• 提供专门的 State-Tool use_dom=True 模式，在处理网页内容时会过滤掉浏览器自身的 UI 元素，专注于页面 DOM，从而实现更干净、高效的 Web 自动化。兼容 Chrome、Edge 和 Firefox。
• 为 MCP 客户端提供一整套操作工具，涵盖点击、输入、滚动、截屏、文件管理、运行 PowerShell、抓取网页内容以及读写系统注册表等全方位控制能力。
• 支持身份验证、IP 允许列表、TLS/HTTPS 加密、OAuth 2.0 + PKCE 授权流程以及 CORS 来源管理，保障智能体在执行网络相关操作时的安全性与合规性。

限制与风险

• 由于底层依赖无障碍树而非像素级视觉识别，目前无法在段落中选择特定片段或部分的文本。
• 该工具的 Type-Tool 会将整个程序作为一段整体文本一次性输入，因此不适合在 IDE 中进行精细的、逐行的代码编写和修改。
• 不支持处理电子游戏画面和实时的游戏交互操作。
• 服务器在运行时拥有对系统的完全访问权限，能够执行包括删除文件在内的不可逆操作，使用时需格外注意安全管控。

如何开始

• 不需要编写复杂的代码即可上手。只需安装 uv 等前置依赖，然后通过命令行运行 'uvx windows-mcp serve' 即可启动服务，配合简单的配置文件即可完成接入。

核验依据

• GitHub 项目简介: MCP Server for Computer Use in Windows
• README: Acting as an MCP server bridges the gap between LLMs and the Windows operating system, allowing agents to perform tasks such as **file navigation, application control, UI interact…
• README: Interacts natively with Windows UI elements, opens apps, controls windows, simulates user input, and more.
• README: Windows-MCP reached `2M+ Users` in [Claude Desktop Extensiosn](https://claude.ai/directory). - Try out [🪟Windows-Use](https://pypi.org/project/windows-use/), an agent built using…
• README: Includes tools for basic keyboard, mouse operation and capturing window/UI state.

内容核验时间：