冷启动实验室COLD LAUNCH LAB
← 创业日记
工具笔记 · 第 1 篇

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

文 / 韩深林 · 2026-11-22 · 冷启动实验室 · 工具笔记

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:

四个环节
  1. 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
  2. 动作——Click / Type / Scroll / Move / Shortcut / Wait / Snapshot / Screenshot / App / PowerShell / FileSystem / Registry / Clipboard 等约 20 个 MCP 工具
  3. 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
  4. 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 UseWindows-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。

冷启动实验室 · caishengdao.cn
但它救不了你的是什么
它不会替你算账。
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

第一步:别在主力机裸跑
它有 PowerShell 和 Registry 工具,等于给 AI 系统级权限。
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)
Python0.9.0 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
第二步:从最笨的活开始
不要一上来就让它做决策。 从「下载、打开、复制、粘贴」这种纯体力活开始。
跑通了,再往批量改 listing 走。
第三步:人守着
它每步 0.2–0.5 秒,很快。快是优点,也是风险—— 你走开五分钟,它可能已经点了三百下。
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。

冷启动实验室 · caishengdao.cn

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。

关于本文的边界:
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

全文一句话

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。

关于本文的边界:
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

这张图可以直接转发

长按图片保存,配下面的文案发朋友圈。

Windows-MCP:让 AI 直接上手 Windows 桌面

我们盯哪三个数

不是承诺,是我们判断「这个品值不值得投入」的校验口径——不承诺排名与销量
退款率 <5% | CPC 广告占比压到 5% 以内 | 净利 >7%

免费算一次保本线 → 199 算账 / 499 名单 / 699 代发信 →

算账,不依赖你相信我们 · 35 项成本逐行标来源,可改数重算
维修、质检、仓储、代运营我们不接——那不在我们的线上。

💬 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。

作者自问 · 选一条开始说

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:

评论区加载中…