CursorTouch/Windows-MCP

何を解決するか

Windows-MCPはAIエージェント（LLM）とWindowsオペレーティングシステムの間の橋渡しを提供します。AIエージェントがOSにネイティブにアクセスできるようにし、ファイルのナビゲーション、アプリケーションの制御、UIとのインタラクション、QAテストなどのタスクを、特別なコンピュータビジョンモデルを必要とせずに実行できるようにします。

動作方法

Model Context Protocol (MCP) サーバーとして動作し、接続されたAIクライアントにツールセットを公開します。WindowsのUI要素とキーボードおよびマウスのシミュレート入力を使用してシステムを制御します。また、Chrome、Edge、Firefox向けにブラウザUI要素をフィルタリングし、Webページのコンテンツにのみ焦点を当てる専用の「DOMモード」も備えています。

対象ユーザー

Windows自動化とLLMを統合したい開発者やQAエンジニア、およびClaude Desktop、Perplexity、Gemini CLIなどMCP互換クライアントのユーザーで、AIエージェントがWindows環境を直接制御できるようにしたい方。

特徴

• ネイティブWindows統合: Windows 7から11まで、ウィンドウの制御、アプリの起動、ユーザー入力のシミュレーションを実現。
• LMM非依存: 任意のLLMと互換性があり、従来のコンピュータビジョンやファインチューニング済みモデルに依存しません。
• ブラウザ自動化: ブラウザUIをフィルタリングすることで、よりクリーンなWeb自動化を実現するDOMモードを搭載。
• 柔軟なトランスポート: ローカルおよびネットワークベースのアクセスに対応するstdio、SSE、streamable-HTTPをサポート。
• エンタープライズセキュリティ: 認証、IP許可リスト、CORSオリジン制御、TLS/HTTPS、OAuth 2.0 + PKCEをサポート。
• 低レイテンシ: 通常の操作レイテンシは0.2〜0.5秒の範囲です。