agent-desktop

通过操作系统辅助功能树读取和操作桌面应用程序。

MCP办公与效率开源

查看来源 →

形态: MCP
传输协议: stdio
是否开源: 是
GitHub Stars: ★ 4.0k
收录来源: mcp-github
仓库: github.com/vercel-labs/agent-desktop

能力说明

Agent Desktop 是一个用 Rust 构建的工具，它通过操作系统的辅助功能树来查看任何应用程序的真实 UI 结构，并对其进行操作。这使得引用保持稳定，动作可以安全地重试，而不是基于像素猜测。该工具适用于 macOS、Windows 和 Linux，可以通过 npm 安装。适合需要在桌面环境中进行可靠操作的 AI 代理。

能力点

▪读取桌面应用的 UI 结构
▪通过引用操作 UI 元素
▪支持 macOS、Windows 和 Linux
▪无需像素匹配，引用稳定

适用场景

自动化桌面任务测试桌面应用辅助 AI 代理执行复杂操作

接入方式

依赖：Node 环境API Key

npm install -g agent-desktop

以上信息由 AI 基于公开资料整理，可能存在偏差，以来源为准。

常见问题

如何获取权限？

macOS 需要 Accessibility 权限：`agent-desktop permissions --guide`。

如何开始使用？

运行 `agent-desktop snapshot --app Finder -i` 获取交互元素，然后通过引用操作。

相关 Skill

interview-coach-skill

面试教练技能，覆盖从简历优化到模拟面试的整个求职周期。

skillpack

将AI技能打包成本地代理，方便团队在Slack和Telegram中使用。

harness-anything

AI代理控制中心，支持WPS/MS Office、Zotero、Photoshop等软件的自动化操作。

Agent Skill办公自动化学术研究

i-have-adhd

优化AI输出，使其更简洁、行动导向，适合注意力缺陷多动障碍（ADHD）用户。

work-iq

通过自然语言查询 Microsoft 365 数据，包括邮件、会议、文档等。

nostr-vpn

为人类和代理提供私有网格VPN，支持本地密钥、签名注册。