这是一个让 AI 模型直接操控本机 Windows 的 MCP 服务——把「桌面鼠标键盘、浏览器、系统命令」三类能力,封装成 58 个标准 MCP 工具,任何支持 MCP 的 AI 客户端(Cursor、Cherry Studio、Claude Desktop、本地 Ollama 模型等)都能即插即用,让模型从"只会说话"变成"能动手"。
要解决什么业务问题
AI 只能聊天,不能干活 大模型能分析、能写方案,但打开软件、填表单、点按钮全靠人手动 提供桌面级工具,模型可直接执行 GUI 操作
让 AI 爬数据,要写爬虫 写 Selenium 脚本、处理反爬、维护 driver,成本高 browser_* 直接操作用户已登录的真实浏览器,天然带登录态、带 Cookie
网站接口抓不到、改不了 普通爬虫拿不到 XHR 响应体,更无法篡改 自研 CDP 客户端,可采集请求/响应/WebSocket,可拦截并改写响应体
想自动化本机任务,缺统一入口 PowerShell 脚本、AutoHotkey、Python 脚本各管一段 统一为 MCP 工具,模型自己编排调用顺序
人工重复操作耗时 每天在后台点几十次同样的按钮、导数据 一句话描述任务,模型自动执行多步链路
核心价值主张:把「人肉点鼠标」和「写脚本维护」的成本,换成「一句自然语言」。
┌─────────────────────────────────────────────────────────┐
│ Windows-Local-MCP(58 个工具) │
├──────────────┬──────────────┬──────────────┬────────────┤
│ ① 桌面操控 │ ② 浏览器 │ ③ 网络采集 │ ④ 系统管理 │
│ 12 + 2 工具 │ 27 工具 │ 12 工具 │ 4 工具 │
│ 键鼠/截图/OCR│ 导航/交互/读取│ 抓包/拦截/性能│ 命令/装软件│
└──────────────┴──────────────┴──────────
① 桌面操控(14 个):让 AI 会"用手"
覆盖任何 Windows 软件的操作,不依赖该软件是否有 API。
② 浏览器操控(27 个):AI 的"眼睛和手"伸进网页
最大特色:attach 到用户已开的 Chrome(L325-327),不是另开一个无痕浏览器。这意味着
->天然带登录态:用户登录过的网站,AI 直接可用,不用扫码、不用传 Cookie
->不打断用户:复用现有窗口和标签页
->代价:需用户手动以 --remote-debugging-port=9222 启动 Chrome,否则所有工具直接返回提示而非乱试
③ 网络采集与拦截(12 个):从"看页面"升级到"看数据流"
这是全项目技术含量最高的部分,靠自研的 _CdpClient(Chrome DevTools Protocol WebSocket 客户端)实现——Selenium 本身做不到这些。
④ 系统管理(4 个):底层系统操作兜底