Windows-MCP:让 AI 直接「上手」Windows 桌面
——不截图猜坐标,读无障碍树点按钮
一它是什么
一句话:它把 Windows 桌面当成「操作系统级 DOM」喂给大模型。
AI 不再靠截图 + OCR 猜按钮在哪,而是直接读 UI Automation 无障碍树,按「控件名字」点。
具体是四个环节:
- 感知——默认读 UIA 树(元素名 / 类型 / 自动化 ID / 坐标);
浏览器可开
use_dom=True只读网页 DOM (Chrome、Edge 正常走,Firefox 因不暴露 RootWebArea,走 IAccessible2 兜底); 自绘画布、游戏才退回截图 - 动作——Click / Type / Scroll / Move / Shortcut / Wait / Snapshot / Screenshot / App / PowerShell / FileSystem / Registry / Clipboard 等约 20 个 MCP 工具
- 接入——任何说 MCP 协议的客户端都能挂:Claude Desktop、Cursor、
Claude Code、Gemini CLI、Cline、Windsurf 等,
uvx windows-mcp serve一行起,支持 stdio / SSE / streamable-http - 延迟——相邻两步典型 0.2–0.5 秒(受系统负载和 LLM 推理影响)
还有一点很实用:操作时有 flash overlay 高亮,人动一下真鼠标就能拿回控制权。
二为什么我们要用它
上面是技术介绍。但对我们这行来说,真正的问题是:它能不能替你省下时间?
能。但只在你每天重复操作同一个后台的时候能。
| 场景 | 它怎么帮你 |
|---|---|
| 批量改 listing | 后台一次只能改一个 SKU 的标题 / 五点,你现在一个个点。 它可以按控件名循环点,但改什么内容还是你的判断 |
| 竞品价格监控 | 定时抓几个竞品页面的价格和 BSR,落成表格。 比人肉刷新靠谱,但抓到的数要你自己判断真假 |
| 老 ERP / 老系统 | 没有 API、只有 Windows 客户端的那些老系统,这是它最擅长的场景 |
| 报表搬运 | 从后台下载、打开、复制、粘进另一个表——纯体力活,适合交给它 |
为什么它比「截图流」强:
| 传统 Computer Use | Windows-MCP |
|---|---|
| 截图 → 视觉模型找坐标 → 点 慢、怕分辨率变、怕主题换 |
读树 → 「哦有个按钮叫 Save 在 (1011,92)」→ 点 结构优先,视觉兜底 |
| 绑定视觉模型 | 不绑定视觉模型,任意 LLM 都能驱 |
截图是在猜,读树是在查。
猜要试错,查一次就对。
它能帮你把 35 项成本从五个后台里扒出来、填进表里—— 但哪一项该不该算、这个品算平了要不要做,它给不了答案。
自动化解决的是「慢」,解决不了「算不清」。
三怎么用它
这一条最重要,其他都是次要的。建议虚拟机或测试机。
| 项目 | 当前状态 |
|---|---|
| 平台 | 仅 Windows(Win10 / Win11) |
| Python | 0.9.0 起要求 3.14+(老版本不要这么高) |
| 中文环境 | 老 README 说「显示语言必须英文」;新版 App-Tool 已能解析本地化开始菜单名,非英文环境不用关 |
| 遥测 | 匿名遥测默认开;用 ANONYMIZED_TELEMETRY=false 关掉 |
| 许可 | MIT |
跑通了,再往批量改 listing 走。
第一次跑,人盯着,看它点错在哪。
工具能替你动鼠标,
替不了你判断这一单该不该做。
四一句话收
Windows-MCP = 把 Windows 无障碍 API 当 DOM 用的 MCP Server。 AI 按名字点按钮,不猜像素;自绘界面再回退截图,人动鼠标即接管。
做本地 RPA、UI 回归、老系统自动化的,值得挂一个试试。 但先在虚拟机里试。
本文为工具笔记,所述项目状态截至 2026-11-22。开源项目迭代快, 具体参数以 GitHub 仓库 README 与 PyPI 发布信息为准。
文中 star 数、版本号、Python 版本要求引自 GitHub API 与 PyPI 元数据; 本文不引用未经核实的用户规模数据。
本文不承诺任何自动化成功率,也不构成安全审计结论; 涉及 PowerShell / 注册表等高权限工具,请在隔离环境评估后再用。
本文与 CursorTouch 及 Windows-MCP 项目无任何隶属或合作关系。
相关阅读:35 项成本算完,这个品我建议你别做
相关阅读:人到底是靠「顿悟」赚钱,还是靠「计划」赚钱?
← 回创业日记目录
它让 AI 能操作电脑,但不能替你想清楚该操作什么。
自动化省的是手,不是脑。 真正决定你赚钱的,还是那个品到底算不算得平。
本文为工具笔记,所述项目状态截至 2026-11-22。开源项目迭代快, 具体参数以 GitHub 仓库 README 与 PyPI 发布信息为准。
文中 star 数、版本号、Python 版本要求引自 GitHub API 与 PyPI 元数据; 本文不引用未经核实的用户规模数据。
本文不承诺任何自动化成功率,也不构成安全审计结论; 涉及 PowerShell / 注册表等高权限工具,请在隔离环境评估后再用。
本文与 CursorTouch 及 Windows-MCP 项目无任何隶属或合作关系。
相关阅读:35 项成本算完,这个品我建议你别做
相关阅读:人到底是靠「顿悟」赚钱,还是靠「计划」赚钱?
← 回创业日记目录
💬 说说你的情况
不用注册,填个昵称就能留言。留了邮箱的,我会直接回你。 不发广告,只回答你写下的那个问题。
点下面任意一条,会直接把这段话填进评论框,你可以改完再发: