CursorTouch/Windows-MCP

解决的问题

Windows-MCP 为 AI 代理（LLM）与 Windows 操作系统之间提供了一座桥梁。它使 AI 代理能够原生与操作系统交互，从而无需依赖专用的计算机视觉模型，即可执行导航文件、控制应用程序、与用户界面交互以及进行 QA 测试等任务。

工作原理

它作为 Model Context Protocol (MCP) 服务器运行，向连接的 AI 客户端暴露一组工具。它与 Windows UI 元素交互，并模拟用户输入（键盘和鼠标）来控制整个系统。此外，它还包含一个专用于浏览器自动化的「DOM 模式」，可过滤掉浏览器 UI 元素，专注于 Chrome、Edge 和 Firefox 的网页内容。

适用人群

希望将 LLM 与 Windows 自动化集成的开发者和 QA 工程师，以及使用 MCP 兼容客户端（如 Claude Desktop、Perplexity 和 Gemini CLI）并希望其 AI 代理能直接控制 Windows 环境的用户。

主要亮点

• 原生 Windows 集成：支持从 Windows 7 到 Windows 11 的窗口控制、应用启动和用户输入模拟。
• 与 LMM 无关：兼容任意 LLM，不依赖传统计算机视觉或微调模型。
• 浏览器自动化：通过 DOM 模式过滤浏览器 UI，实现更干净的网页自动化。
• 灵活的传输方式：支持 stdio、SSE 和可流式传输的 HTTP，适用于本地和网络访问。
• 企业级安全：支持认证、IP 白名单、CORS 原点控制、TLS/HTTPS 以及 OAuth 2.0 + PKCE。
• 低延迟：典型操作延迟在 0.2 到 0.5 秒之间。