让 AI 直接操作你的 Windows 桌面！Windows-MCP 是怎么做到的

让 AI 操作你的 Windows 电脑！Windows-MCP 是怎么做到的

你有没有想过——对着一段文字说「帮我打开这个软件，截图发给我」，AI 就能直接操作你的 Windows 桌面？

Windows-MCP 正在把这件事变成现实。

这是一个开源的 MCP 服务器，它让 AI Agent 能够直接操控 Windows 操作系统——点击、输入、截图、启动应用、执行 PowerShell 命令，全都能干。而且它不需要什么高端显卡或特殊模型，任何兼容 MCP 协议的 LLM 都能用。

它能做什么？

简单来说，Windows-MCP 把 Windows 系统的各种能力拆成了一个个「工具」，喂给 AI 调用：

• 窗口与 UI 控制：点击坐标、移动鼠标、输入文字、滚轮滚动、拖拽操作
• 快捷键：Ctrl+C、Alt+Tab 等系统级快捷键直接模拟
• 应用启动：从开始菜单搜索并启动任意应用
• 截图与状态获取：随时截取屏幕、抓取当前窗口里的文字内容
• Shell 命令：直接跑 PowerShell，扩展性拉满
• 浏览器自动化（DOM 模式）：开启 use_dom=True 后专注抓取网页内容，过滤掉浏览器自己的 UI 元素

反应速度也相当可以——每次操作的延迟大约在 0.2–0.5 秒之间，比很多 RPA 工具快。

为什么值得关注？

过去实现「AI 控制电脑」，要么靠特殊微调的视觉模型（贵、慢、依赖云端），要么靠 OCR+RPA 那种规则驱动（死板、难扩展）。

Windows-MCP 的思路不一样——它用的是 Windows 系统的可访问性树（Accessibility Tree），直接读懂每个窗口里有什么、是什么元素，然后把控制权交给 LLM 判断和操作。

这意味着：
– 不依赖特定模型，任何 MCP 兼容的都能跑
– 不需要 OCR，读取速度更快、更准
– 兼容 Windows 7 到 Windows 11，是一个真正通用的方案

已经有多少人在用？

官方数据显示，Windows-MCP 在 Claude Desktop 扩展市场已经有 200 万+ 用户，GitHub 上超过 5500 颗星，最近还刚更新了 v0.8.7（2026 年 9 月 30 日）。

从 2024 年底发布到现在，这个项目一直在活跃迭代，文档和功能也在持续完善。

怎么上手？

最简单的方式是用 uvx 直接跑，无需安装依赖：

uvx windows-mcp serve

配合 Claude Desktop 使用，编辑 claude_desktop_config.json，加入：

{
  "mcpServers": {
    "windows-mcp": {
      "command": "uvx",
      "args": ["windows-mcp", "serve"]
    }
  }
}

完整重载 Claude Desktop 之后，MCP 工具列表里就会出现 Windows-MCP 的全部工具，直接用自然语言指挥它操作你的电脑就行。

需要 Python 3.13+ 和 uv 包管理器（pip install uv 就能装）。

说实话，2025 年这类「让 AI 长出手」的工具正在快速变多，Windows-MCP 是目前 Windows 生态里做得最完整的一个。如果你对 AI + 操作系统自动化这个方向感兴趣，这个项目值得放进收藏夹研究研究。

GitHub：https://github.com/CursorTouch/Windows-MCP

GitHub: https://github.com/CursorTouch/Windows-MCP