适合谁
- 需要跨平台桌面自动化的 AI 代理
- 需要安全控制的场景，希望有确认/拒绝的护栏
- 希望在本地运行、无需云端的隐私敏感任务
- 希望避免高视觉模型成本的代理
C
68FMRS · C
Clawd Cursor 是一款功能强大的 MCP 服务器，通过无障碍树和 OCR 提供安全的桌面自动化，支持验证和单一安全入口。它适用于需要控制本机应用的代理，但需要适当权限，并可能存在轻微的学习曲线。
Clawd Cursor 是一个本地 MCP 服务器，为任何工具调用型代理（如 Claude Code、Cursor、Windsurf、OpenClaw 等）提供对真实桌面的安全控制。它通过融合无障碍树和 OCR 将屏幕编译成一个 UI 映射，为每个元素分配稳定的 el_NN 标识，并基于标识而非像素坐标操作元素。它验证自己的每一次操作，并通过单一安全检查点路由所有动作。支持 Windows、macOS 和 Linux，并且完全本地运行，无需云端依赖。
工具能力
computer
执行鼠标和键盘操作，如点击、键入、滚动、拖拽和等待。
accessibility
读取无障碍树、查找元素、调用操作、设置值、编译 UI 映射。
window
管理窗口和应用：列出、聚焦、调整大小、打开应用、打开文件/URL、切换标签。
system
系统级操作：剪贴板、OCR、撤销、检测 WebView、运行快捷方式。
browser
通过 CDP 控制浏览器：连接、读取文本、点击、键入、评估、管理标签。
task
委托一个任务给内置的轻量代理循环。
batch
将多个调用合并为一次往返，每个步骤仍经过安全检查。
compile_ui
将无障碍树和 OCR 融合为一个带置信度评分的 UI 元素映射。
find_button
按名称或文本查找按钮并返回其元素 ID。
find_field
按名称或标签查输入字段并返回其元素 ID。
smart_click
智能点击：先尝试无障碍树，失败时回退到 OCR 或视觉。
smart_type
智能键入：先尝试无障碍树，失败时回退到 OCR 或视觉。
smart_read
智能读取：先尝试无障碍树，失败时回退到 OCR 或视觉。
detect_webview
检测 Electron/WebView2 应用并切换到浏览器控制。
安装接入
- 全局安装：npm i -g clawdcursor
- 同意桌面控制：clawdcursor consent --accept
- macOS 仅需授权：clawdcursor grant
- 在 MCP 配置中添加：
{"mcpServers":{"clawdcursor":{"command":"clawdcursor","args":["mcp","--compact"]}}}
claude_desktop_config.json
{
"mcpServers": {
"clawdcursor": {
"command": "clawdcursor",
"args": [
"mcp",
"--compact"
]
}
}
}
选型与风险
不适合谁
- 仅限浏览器的自动化，有更专业的工具
- 需要云托管或不支持本地运行的场景
- 对安全要求极高的任务，需要人工审批
- 希望在没有视觉模型的情况下进行纯像素级操作
所需权限
- 桌面控制（点击、键入）
- 读取屏幕内容（无障碍树、OCR、截图）
- 打开应用和文件
- 浏览器控制（CDP）
- 剪贴板读写
- 系统级快捷键
风险与副作用
- 代理可能执行非预期操作，导致数据丢失或系统更改
- 存储在屏幕上的敏感信息可能被代理读取
- 由于代理行为错误，可能导致恶意行为
- 需要适当的权限授予，否则可能无法工作
- 打开确认模式可能中断自动化流程
常见排障
- 确保 Node.js 20+ 已安装
- 确保已授予桌面访问权限（macOS 辅助功能）
- 检查操作系统依赖：Linux 需要 tesseract-ocr、python3-gi 等
- 验证命令 clawdcursor 在 PATH 中
- 检查日志：CLAWD_LOG=pretty 可显示详细操作
- 如果代理无法连接，确保 HTTP 模式令牌正确
使用场景
驱动本机应用（如 Outlook、记事本）执行复杂 GUI 任务
自动化浏览器操作，通过 CDP 控制 Chrome/Edge
在无 API 或 CLI 的遗留应用中执行操作
当需要视觉和空间推理时，用于基于画布的应用
作为本机 API 和 CLI 之后的最后手段执行层
支持客户端
Claude Desktop完整支持
Claude Code完整支持
Cursor完整支持
Windsurf完整支持
Zed完整支持
OpenAI Codex完整支持