mcpField
O
omniparser-autogui-mcp

omniparser-autogui-mcp

本地服务
github.com/NON906其他7286 周前更新
代码仓库

关于 omniparser-autogui-mcp

omniparser-autogui-mcp 是一个 MCP 服务，使用 OmniParser 分析屏幕内容并自动操作图形界面。README 中注明已在 Windows 上确认可用，适合需要自动化桌面 GUI 操作的用户。

主要功能

  1. 01使用 OmniParser 分析屏幕
  2. 02自动执行图形界面操作
  3. 03可指定目标窗口进行操作
  4. 04支持 stdio 与 SSE 两种通信方式

适用场景

  1. 01在屏幕上的浏览器中执行搜索操作
  2. 02自动化 Windows 桌面的图形界面任务

MCP 相关

该项目是 MCP 服务，可在 Claude Desktop 等 MCP 客户端中通过 stdio 或 SSE 调用其屏幕分析与界面操作功能。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

omniparser-autogui-mcp

（点击这里查看日文版）

这是一个 MCP 服务，可使用 OmniParser 分析屏幕并自动操作 GUI。
已在 Windows 上确认可用。

许可说明

本项目采用 MIT 许可证，但子模块和子包除外。
OmniParser 的仓库采用 CC-BY-4.0 许可证。
每个 OmniParser 模型的许可证各不相同（参考）。

安装

  1. 请执行以下操作：
git clone --recursive https://github.com/NON906/omniparser-autogui-mcp.git
cd omniparser-autogui-mcp
uv sync
set OCR_LANG=en
uv run download_models.py

（Windows 以外的平台请使用 export，而不是 set。）
（如果要运行 langchain_example.py，请改为执行 uv sync --extra langchain。）

  1. 将以下内容添加到 claude_desktop_config.json：
{
  "mcpServers": {
    "omniparser_autogui_mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "D:\\CLONED_PATH\\omniparser-autogui-mcp",
        "run",
        "omniparser-autogui-mcp"
      ],
      "env": {
        "PYTHONIOENCODING": "utf-8",
        "OCR_LANG": "en"
      }
    }
  }
}

（将 D:\\CLONED_PATH\\omniparser-autogui-mcp 替换为克隆到的目录。）

env 可用于设置以下附加配置：

  • OMNI_PARSER_BACKEND_LOAD
    如果无法与其他客户端（例如 LibreChat）配合使用，请指定 1。

  • TARGET_WINDOW_NAME
    如果要指定要操作的窗口，请填写窗口名称。
    如果未指定，则会操作整个屏幕。

  • OMNI_PARSER_SERVER
    如果要在其他设备上运行 OmniParser 处理，请指定服务的地址和端口，例如 127.0.0.1:8000。
    可使用 uv run omniparserserver 启动服务。

  • SSE_HOST、SSE_PORT
    如果指定这些参数，通信将通过 SSE 而非 stdio 进行。

  • SOM_MODEL_PATH、CAPTION_MODEL_NAME、CAPTION_MODEL_PATH、OMNI_PARSER_DEVICE、BOX_TRESHOLD
    这些参数用于配置 OmniParser。
    通常无需设置。

使用示例

  • 在屏幕上的浏览器中搜索“MCP server”。

等等。

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。