WindowsMCP.Net 0.2.4

Windows MCP.Net

English | 中文

一个基于 .NET 的 Windows 桌面自动化 MCP (Model Context Protocol) 服务器，为 AI 助手提供与 Windows 桌面环境交互的能力。

📋 目录

• 功能特性

• 演示截图

• 技术栈

• API文档

• 项目结构

• 功能扩展建议

• 配置

• 贡献指南

• 更新日志

• 支持

🚀 快速开始

前置要求

• Windows 操作系统
• .NET 10.0 Runtime 或更高版本

重要提示: 本项目需要 .NET 10 才能运行，请先确保你的本地安装了 .NET 10。如果尚未安装，请访问 .NET 10 下载页面 进行下载和安装。

1. MCP 客户端配置

在您的 MCP 客户端配置中添加以下配置：

使用全局安装的工具（推荐）

{
    "mcpServers": {
     "Windows-MCP.Net": {
      "type": "stdio",
      "command": "dnx",
      "args": ["Windows-MCP.Net@", "--yes"],
      "env": {}
    }
    }
}

使用项目源码直接运行（开发模式）

方式一：工作区配置

在项目根目录创建 .vscode/mcp.json 文件：

{
  "mcpServers": {
    "Windows-MCP.Net-Dev": {
      "type": "stdio",
      "command": "dotnet",
      "args": ["run", "--project", "src/Windows-MCP.Net.csproj"],
      "cwd": "${workspaceFolder}",
      "env": {}
    }
  }
}

方式二：用户配置

通过VS Code命令面板运行 MCP: Open User Configuration，添加：

{
  "mcpServers": {
    "Windows-MCP.Net-Local": {
      "type": "stdio",
      "command": "dotnet",
      "args": ["run", "--project", "src/Windows-MCP.Net.csproj"],
      "env": {}
    }
  }
}

注意: 使用项目源码方式便于开发调试，修改代码后无需重新安装即可生效。VS Code 1.102+ 版本支持MCP服务器的自动发现和管理。

2. 安装和运行

方式一：全局安装（推荐）

dotnet tool install --global WindowsMCP.Net

方式二：从源码运行

# 克隆仓库
git clone https://github.com/AIDotNet/Windows-MCP.Net.git
cd Windows-MCP.Net

# 构建项目
dotnet build

# 运行项目
dotnet run --project src/Windows-MCP.Net.csproj

3. 开始使用

配置完成后，重启您的MCP客户端，即可开始使用Windows桌面自动化功能！

🚀 功能特性

核心功能

• 应用程序启动: 通过名称从开始菜单启动应用程序
• PowerShell 集成: 执行 PowerShell 命令并返回结果
• 桌面状态捕获: 获取当前桌面状态，包括活动应用、UI 元素等
• 剪贴板操作: 复制和粘贴文本内容
• 鼠标操作: 点击、拖拽、移动鼠标光标
• 键盘操作: 文本输入、按键操作、快捷键组合
• 窗口管理: 调整窗口大小、位置，切换应用程序
• 滚动操作: 在指定坐标进行滚动操作
• 网页抓取: 获取网页内容并转换为 Markdown 格式
• 浏览器操作: 在默认浏览器中打开指定URL
• 截图功能: 截取屏幕并保存到临时目录
• 文件系统操作: 文件和目录的创建、读取、写入、复制、移动、删除等操作
• OCR文字识别: 从屏幕或指定区域提取文字，查找文字位置
• 等待控制: 在操作间添加延迟

支持的工具

Desktop 桌面操作工具

FileSystem 文件系统工具

OCR 图像识别工具

UI元素识别工具

📸 演示截图

文本输入演示

通过 TypeTool 在记事本中自动输入文本：

网页搜索演示

使用 ScrapeTool 打开并搜索网页内容：

📹 演示视频

完整的桌面自动化操作演示：

网页搜索演示

🛠️ 技术栈

• .NET 10.0: 基于最新的 .NET 框架
• Model Context Protocol: 使用 MCP 协议进行通信
• Microsoft.Extensions.Hosting: 应用程序托管框架
• Serilog: 结构化日志记录
• HtmlAgilityPack: HTML 解析和网页抓取
• ReverseMarkdown: HTML 到 Markdown 转换

📖 API 文档

示例操作

启动应用程序

{
  "tool": "LaunchTool",
  "parameters": {
    "name": "notepad"
  }
}

点击操作

{
  "tool": "ClickTool",
  "parameters": {
    "x": 100,
    "y": 200,
    "button": "left",
    "clicks": 1
  }
}

文本输入

{
  "tool": "TypeTool",
  "parameters": {
    "x": 100,
    "y": 200,
    "text": "Hello, World!",
    "clear": false,
    "pressEnter": false
  }
}

获取桌面状态

{
  "tool": "StateTool",
  "parameters": {
    "useVision": false
  }
}

截取屏幕

{
  "tool": "ScreenshotTool",
  "parameters": {}
}

🏗️ 项目结构

src/
├── Windows-MCP.Net/         # 主项目
│   ├── .mcp/                # MCP 服务器配置
│   │   └── server.json      # 服务器配置文件
│   ├── Exceptions/          # 自定义异常类（待扩展）
│   ├── Interface/           # 服务接口定义
│   │   ├── IDesktopService.cs   # 桌面服务接口
│   │   ├── IFileSystemService.cs # 文件系统服务接口
│   │   └── IOcrService.cs       # OCR服务接口
│   ├── Models/              # 数据模型（待扩展）
│   ├── Prompts/             # 提示模板（待扩展）
│   ├── Services/            # 核心服务实现
│   │   ├── DesktopService.cs    # 桌面操作服务
│   │   ├── FileSystemService.cs # 文件系统服务
│   │   └── OcrService.cs        # OCR服务
│   ├── Tools/               # MCP 工具实现
│   │   ├── Desktop/             # 桌面操作工具
│   │   │   ├── ClickTool.cs         # 点击工具
│   │   │   ├── ClipboardTool.cs     # 剪贴板工具
│   │   │   ├── DragTool.cs          # 拖拽工具
│   │   │   ├── GetWindowInfoTool.cs # 窗口信息工具
│   │   │   ├── KeyTool.cs           # 按键工具
│   │   │   ├── LaunchTool.cs        # 启动应用工具
│   │   │   ├── MoveTool.cs          # 鼠标移动工具
│   │   │   ├── OpenBrowserTool.cs   # 浏览器打开工具
│   │   │   ├── PowershellTool.cs    # PowerShell执行工具
│   │   │   ├── ResizeTool.cs        # 窗口调整工具
│   │   │   ├── ScrapeTool.cs        # 网页抓取工具
│   │   │   ├── ScreenshotTool.cs    # 截图工具
│   │   │   ├── ScrollTool.cs        # 滚动工具
│   │   │   ├── ShortcutTool.cs      # 快捷键工具
│   │   │   ├── StateTool.cs         # 桌面状态工具
│   │   │   ├── SwitchTool.cs        # 应用切换工具
│   │   │   ├── TypeTool.cs          # 文本输入工具
│   │   │   ├── UIElementTool.cs     # UI元素操作工具
│   │   │   └── WaitTool.cs          # 等待工具
│   │   ├── FileSystem/          # 文件系统工具
│   │   │   ├── CopyFileTool.cs      # 文件复制工具
│   │   │   ├── CreateDirectoryTool.cs # 目录创建工具
│   │   │   ├── CreateFileTool.cs    # 文件创建工具
│   │   │   ├── DeleteDirectoryTool.cs # 目录删除工具
│   │   │   ├── DeleteFileTool.cs    # 文件删除工具
│   │   │   ├── GetFileInfoTool.cs   # 文件信息工具
│   │   │   ├── ListDirectoryTool.cs # 目录列表工具
│   │   │   ├── MoveFileTool.cs      # 文件移动工具
│   │   │   ├── ReadFileTool.cs      # 文件读取工具
│   │   │   ├── SearchFilesTool.cs   # 文件搜索工具
│   │   │   └── WriteFileTool.cs     # 文件写入工具
│   │   └── OCR/                 # OCR识别工具
│   │       ├── ExtractTextFromRegionTool.cs # 区域文本提取工具
│   │       ├── ExtractTextFromScreenTool.cs # 屏幕文本提取工具
│   │       ├── FindTextOnScreenTool.cs      # 屏幕文本查找工具
│   │       └── GetTextCoordinatesTool.cs    # 文本坐标获取工具
│   ├── Program.cs           # 程序入口点
│   └── Windows-MCP.Net.csproj   # 项目文件
└── Windows-MCP.Net.Test/    # 测试项目
    ├── DesktopToolsExtendedTest.cs  # 桌面工具扩展测试
    ├── FileSystemToolsExtendedTest.cs # 文件系统工具扩展测试
    ├── OCRToolsExtendedTest.cs      # OCR工具扩展测试
    ├── ToolTest.cs                  # 工具基础测试
    ├── UIElementToolTest.cs         # UI元素工具测试
    └── Windows-MCP.Net.Test.csproj  # 测试项目文件

🚧 功能扩展建议

计划中的功能

高级UI识别与交互

• UI元素识别增强: 支持更多UI框架（WPF、WinForms、UWP）
• OCR文字识别优化: 多语言支持，提升识别准确率
• 智能等待机制: 动态等待元素加载完成

文件系统操作增强

• 高级文件搜索: 支持内容搜索、正则表达式匹配
• 批量文件操作: 支持批量复制、移动、重命名
• 文件监控: 实时监控文件系统变化

系统监控与性能分析

• 系统资源监控: CPU、内存、磁盘、网络使用情况
• 进程管理: 进程列表获取、性能监控、进程控制
• 性能分析报告: 生成详细的系统性能报告

多媒体处理能力

• 音频控制: 系统音量控制、音频设备管理
• 图像处理: 图片缩放、裁剪、格式转换
• 屏幕录制: 支持屏幕录制和回放

网络与通信功能

• 网络诊断: Ping、端口扫描、连通性测试
• HTTP客户端: 支持RESTful API调用
• WiFi管理: WiFi网络扫描和连接管理

安全性与权限管理

• 权限检查: 用户权限验证和管理
• 数据加密: 敏感数据加密存储
• 操作审计: 完整的操作日志和审计追踪

开发路线图

第一阶段（高优先级）- 核心功能增强

• ✅ UI元素识别工具（已完成Windows API实现）
• 🔄 文件管理工具增强
• 📋 系统监控工具
• 🔒 基础安全工具

第二阶段（中优先级）- 功能扩展

• 📋 OCR文字识别优化
• 📋 高级文件搜索
• 📋 音频控制工具
• 📋 网络诊断工具
• 📋 Excel操作支持

第三阶段（低优先级）- 高级功能

• 📋 图像处理工具
• 📋 任务调度系统
• 📋 数据库操作支持
• 📋 宏录制与回放

🔧 配置

日志配置

项目使用 Serilog 进行日志记录，日志文件保存在 logs/ 目录下：

• 控制台输出：实时日志显示
• 文件输出：按天滚动，保留 31 天
• 日志级别：Debug 及以上

环境变量

📝 许可证

本项目基于 MIT 许可证开源。详情请参阅 LICENSE 文件。

🔗 相关链接

• Model Context Protocol
• .NET 文档
• Windows API 文档

🤝 贡献指南

我们欢迎社区贡献！如果您想为项目做出贡献，请遵循以下步骤：

开发环境设置

1. 克隆仓库

   git clone https://github.com/AIDotNet/Windows-MCP.Net.git
   cd Windows-MCP.Net
   

2. 安装依赖

   dotnet restore
   

3. 运行测试

   dotnet test
   

4. 构建项目

   dotnet build
   

贡献流程

1. Fork 本仓库
2. 创建功能分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 创建 Pull Request

代码规范

• 遵循 C# 编码规范
• 为新功能添加单元测试
• 更新相关文档
• 确保所有测试通过

问题报告

在报告问题时，请提供：

• 操作系统版本
• .NET 版本
• 详细的错误信息
• 重现步骤

📞 支持

如果您遇到问题或有建议，请：

1. 查看 Issues
2. 创建新的 Issue
3. 参与讨论
4. 查看 Wiki 获取更多帮助

注意: 本工具需要适当的 Windows 权限来执行桌面自动化操作。请确保在受信任的环境中使用。

免责声明: 使用本工具进行自动化操作时，请遵守相关法律法规和软件使用协议。开发者不承担因误用工具而产生的任何责任。