mrpulor-gh/nuphus-mcp

Desktop automation MCP server — computer use for any AI agent: control screen, windows, mouse/keyboard, and Chrome via Model Context Protocol (stdio). Not a DSH plugin — DSH users install dsh-nuphus-mcp.

nuphus‑mcp – AIエージェント向けデスクトップおよびブラウザ自動化サーバー

何であるか – nuphus-mcp は、任意の MCP互換AIエージェント（Claude Desktop、Cursor、VS Code Copilotなど）がローカルコンピュータを制御できる軽量でクロスプラットフォームのサーバーです。標準入出力（stdio）を介してJSON-RPC 2.0で通信するため、ネットワークデーモンを実行する必要がありません。単一のバイナリで動作します。

なぜ重要か – 現代のLLMベースのエージェントは、画面を「見る」ことと「操作」すること（マウス移動、入力、クリック、OCR読み取り、Chromeの制御）が必要です。nuphus-mcp はその橋渡しを提供しつつ、重い処理（ビジョン、OCR）をローカルで行うため、デスクトップ作業では外部APIキーが不要です。ビジョン処理は、ご自身で提供するOpenAI互換またはAnthropicモデルに接続可能です（BYOK – Bring-Your-Own-Key）。

コア機能

カテゴリ ツール（合計） ハイライト
デスクトップ 15 画面サイズ、PNG/base64スクリーンショット、ウィンドウ一覧および操作、マウスクリック/ドラッグ/スクロール、キーボード入力、ホットキー、クリップボードの書き込み/クリア。desktop-api Rustクレート（xcap + Win32）で実装。Tauriは使用しない。
ビジョン – desktop_vision はスクリーンショットを自前のビジョンモデル（OpenAI互換またはAnthropic）に転送します。desktop_perceive はPaddleOCR（およびオプションのYOLOアイコン検出）をローカルで実行し、初回起動時に自動でモデルをダウンロードします。
ブラウザ 23 nuphus-browser（chromiumoxide）を介してChrome/EdgeのCDPを完全制御：ナビゲーション、DOMレベルのクリック、入力、スクリプト実行、スクロール、アクセシビリティツリーのスナップショット、クッキー管理、タブ操作、ファイルのアップロード/ダウンロードなど。
トランスポート – JSON-RPC 2.0 over stdin/stdout – HTTPサーバーもバックグラウンドデーモンも不要。
セキュリティ – 破壊的な操作はアノテーション付き。オプションの --confirm-write（または NUPHUS_MCP_CONFIRM_WRITE=1）により、明示的な `

関連

  • プロジェクト
    ASLP-lab/MeanVC

    MeanVCは、mean flowsとdiffusion transformerを使用して、リアルタイムかつ単一ステップでの音色転送を可能にする、軽量なゼロショット音声変換システムです。

  • プロジェクト
    ucsandman/DashClaw

    DashClaw は、AIコーディングエージェント（Claude Code、Codex、Hermes、OpenClawなど）からの潜在的に危険なツール呼び出しをインターセプトできる自己ホスティング可能なガードです。行動をブロックまたはキューに入れ、リモート承認インボックスにルーティングし、署名付きの意思決定レジストリを記録します。Node/Python SDK、REST API、主要エージェントランタイム用プラグインを提供し、監査可能な証拠とともに安全な未監視エージェント実行を可能にします。

  • プロジェクト
    useagenthq/useagent

    useAgentは、オープンソースで自己ホスト可能なAI同僚プラットフォームであり、LLMエージェント（Claude Code、Codex、OpenCode、Pi）が隔離されたLinuxサンドボックス内でWeb閲覧、コマンド実行、コード編集、チームツール（Slack、GitHub、Gmail、Notionなど）との連携を可能にします。UIにはライブタイムライン、ターミナル、ワークスペースを備え、すべての実行をPostgreSQLに保存してリプレイ可能にし、再利用可能な「スキル」と共有知識ベースをサポートします。プロジェクトはBunランタイムで記述され、埋め込みにはpgvectorを使用し、AGPL-3.0ライセンスでリリースされ、商用ライセンスもオプションで提供されています。

  • プロジェクト
    gendigitalinc/sage

    Sageは、Claude Code、Cursor、VS Code、OpenClaw、OpenCodeなどのAIコーディングアシスタント向けのセキュリティプラグインです。シェルコマンド、URL取得、ファイル書き込み、パッケージインストールなどのツールコールをインターセプトし、クラウドURLレピュテーション、300以上のローカルYAMLヒューリスティクス、プロンプトインジェクション用MLモデル、サプライチェーン分析、Windows AMSIによる複数の脅威チェックを実行します。不審なリクエストが検出された場合、Sageはその実行をブロックし、決定内容をログに記録します。インストールは各アシスタントのマーケットプレイスまたはnpm経由で行い、Apache 2.0ライセンスのオープンソースプロジェクトです。