适合谁
- Windows 10/11 用户，希望让 AI 代理直观地操作桌面应用。
- 开发人员使用 Claude 或 Cursor 进行端到端桌面测试。
- 需要高保真 UI 无自动化与低 Token 开销的人。
D
45FMRS · D
该服务器为 Windows 桌面用户提供了强大的控制和低 Token 开销。其原生 Rust 引擎和敏锐的安全措施（如自动防护和故障安全）非常适合在有监督的自动化场景中使用。注意仅支持 Windows，且自动化代理的固有风险需要谨慎。
Desktop Touch MCP 是一款用于 Windows 10/11 的计算使用 MCP 服务器。它提供 32 个工具，支持屏幕截图、UI 自动化、Chrome DevTools 协议、键盘/鼠标输入和终端控制。核心设计采用语义化的「发现-执行」机制（返回实体和租约而非像素坐标），并通过每次操作的感知守卫来避免误触窗口。底层使用原生 Rust 引擎（UIA 聚焦查询仅需 2 毫秒），并拥有透明的 PowerShell 回退。包含 Key Locker 功能，可安全地自动填充 SSH/sudo 凭据。与 Claude、Cursor 等 MCP 客户端兼容。该服务器以 MIT 许可证开源。
工具能力
desktop_discover
观察桌面，返回带有租约的交互实体（支持 UIA、CDP、终端、视觉 SoM）。
desktop_act
在租约验证后对实体执行点击、输入、拖拽等操作，并返回语义差异信息。
desktop_state
轻量检查焦点窗口、活动元素、光标位置及注意力信号。
screenshot
多模式截取屏幕：文本模式（UIA/OCR）、差异模式（P 帧）、逐点模式（1:1）等，并返回引用链接以节省 Token。
screenshot_query
查看磁盘上的截图缓存条目，无需重新读取像素。
screenshot_gc
根据保留策略清理截图缓存，默认试运行。
workspace_snapshot
在一次调用中获取所有窗口缩略图及 UI 摘要，实现会话快速定向。
server_status
检查原生引擎健康状态及功能激活情况。
keyboard
发送键盘输入，支持后台输入与 IME 安全的剪贴板旁路。
mouse_click
基于精确坐标的点击，带有归位与强制聚焦保护。
mouse_drag
基于坐标的拖拽，默认阻止跨窗口拖拽以保护安全。
scroll
多策略滚动：原始、至元素、智能（虚拟列表）或捕获（拼接）。
click_element
基于名称/ID 的传统 UIA 点击，作为实体不可用时的回退。
browser_open
以调试模式幂等启动 Chrome，或仅连接现有 CDP 端点。
browser_navigate
通过 CDP 导航到指定 URL，无需点击地址栏。
browser_click
通过 CDP 对 DOM 元素进行点击，对重绘和框架渲染稳定。
browser_fill
为 React/Vue/Svelte 受控输入填充值，状态安全。
browser_form
高级 DOM 交互，可处理多个字段。
browser_eval
在浏览器中执行 JavaScript、读取 DOM 或提取 SPA 状态。
browser_overview
返回链接、按钮、输入框及 ARIA 状态的列表。
browser_search
按文本或模式在 DOM 中搜索，并带有置信度排名。
browser_locate
通过 CSS 选择器获取物理屏幕坐标，已处理浏览器边框。
terminal
执行命令并等待完成或读取输出，支持安静、模式或退出码等完成模式。
wait_until
高效轮询窗口、焦点、文本或 URL 状态变化。
window_dock
窗口管理：置顶、取消置顶、停靠到角落。
focus_window
将指定窗口置于前台。
workspace_launch
启动应用程序并自动检测新的窗口句柄，支持本地化标题。
run_macro
将最多 50 个操作合并为单次调用，提升效率。
clipboard
系统级别的文本交换。
notification_show
显示用户通知。
key_locker
管理 SSH 密钥密码和密码，通过安全对话框加密存储，并在终端中自动填充。
excel
通过 COM 创建并运行 Excel VBA 宏。
安装接入
- 通过 npm 运行服务器：
npx -y @harusame64/desktop-touch-mcp。 - 将上述配置示例添加到 Claude Desktop 的配置文件 (claude_desktop_config.json) 或 Claude Code 的 .claude.json 的 mcpServers 中。
- 确保系统满足要求：Windows 10/11 64 位，Node.js v20+（建议 v22+），PowerShell 5.1+（作为回退）。
- 如果使用浏览器自动化，请以远程调试模式启动 Chrome：
chrome.exe --remote-debugging-port=9222 --user-data-dir=C:\tmp\cdp。 - 其他客户端可使用 HTTP 模式：
npx -y @harusame64/desktop-touch-mcp --http，默认端口 23847。
claude_desktop_config.json
{
"mcpServers": {
"desktop-touch": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@harusame64/desktop-touch-mcp"
]
}
}
}
选型与风险
不适合谁
- macOS 或 Linux——仅支持 Windows。
- 需要基于像素坐标的高级自动化（虽然提供鼠标点击，但设计倡导实体方式）。
- 游戏或 RDP 会话，UIA 失效必须依赖 OCR 回退。
- 无头环境——没有桌面显示器时无法工作。
所需权限
- 读取屏幕内容（截图）。
- 通过 Windows UI Automation API 读取 UI 元素信息。
- 模拟键盘和鼠标输入。
- 控制浏览器（通过 CDP）。
- 访问文件系统以缓存截图和日志。
- 使用 DPAPI 加密存储凭据。
风险与副作用
- 恶意提示可能触发破坏性操作，如删除文件或下载恶意内容。由于代理可以控制桌面，建议在隔离环境中使用。
- 凭据存储在本地，使用 DPAPI 加密，但 Key Locker 使用未签名的可执行文件，可能触发 SmartScreen 警告。
- 自动化可能意外干扰其他应用程序；建议用户监督。
- 如果未正确配置，可能被用于键盘记录或未经授权的数据访问。
常见排障
- 检查 Node.js 版本是否满足需求（v20+）。
- 确保以 64 位 Windows 运行。
- 检查日志是否写入桌面（例如，从 MCP 客户端启动时）。
- 若浏览器工具失效，确认 Chrome 以远程调试端口启动。
- 如果输入未到达目标窗口，先调用 focus_window，然后用 keyboard 操作。
- 有关强制聚焦错误，请设置 forceFocus: true 或设置环境变量 DESKTOP_TOUCH_FORCE_FOCUS=1。
- 遇到无提示的失败时，查看桌面角落的警告或通知。
使用场景
让 Claude 或 Cursor 自动化桌面任务，如操作记事本、Excel、Chrome 等应用。
在 Windows 上执行 GUI 测试或 UI 回归检查。
自动化需要键盘和鼠标的重复工作流，支持跨多个显示器。
通过 Key Locker 安全地自动填充 SSH 或 sudo 密码。
支持客户端
Claude Desktop完整支持
Claude Code完整支持
Cursor完整支持
VS Code Copilot完整支持