CursorTouch/Windows-MCP

何を解決するか

Windows-MCPは大規模言語モデル（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エージェントが人間のようにコンピュータと対話できるようにし、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を可能にします。専用のコンピュータビジョンモデルやタスクごとの微調整を必要としません。

動作方法

これはModel Context Protocol（MCP）サーバーとして動作し、MCP互換クライアント（例：Claude Desktop）にツールセットを公開します。サーバーはWindows UI要素にネイティブにアクセスし、キーボードおよびマウスの入力をシミュレートします。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

このツールは、Windowsのタスク自動化、QAテスト、LLM向けシステムレベルの統合を必要とする開発者やAI研究者向けに設計されています。

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。
LLM非依存: 特定のコンピュータビジョンモデルや微調整を必要とせず、あらゆるLLMと連携可能。
ブラウザ自動化: 主要ブラウザ向けにクリーンなWeb自動化を実現する専用のDOMモード。
低レイテンシ: 通常0.2〜0.5秒のアクションレイテンシ。
柔軟なデプロイ: stdio、SSE、streamable-HTTPを含む複数のトランスポート方法をサポート。OAuth 2.0、TLS、IP許可リストなどの組み込みセキュリティ機能も備える。

CursorTouch/Windows-MCP

何を解決するか

動作方法

対象ユーザー

特徴

関連