🚀 omniparser-autogui-mcp
这是一个基于 MCP 协议的服务器项目，借助 OmniParser 实现屏幕分析与图形用户界面（GUI）的自动操作。该项目已在 Windows 系统上完成验证。
🚀 快速开始
本项目是基于 MCP 协议的服务器，利用 OmniParser 分析屏幕并自动操作图形用户界面(GUI)，已在 Windows 上验证通过。
📦 安装指南
步骤一：克隆仓库并下载模型
请按照以下步骤操作：
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
⚠️ 重要提示
- 非 Windows 系统，请将
set替换为export。- 如果希望
langchain_example.py正常运行，则使用uv sync --extra langchain。
步骤二：配置 claude_desktop_config.json 文件
将以下内容添加到你的claude_desktop_config.json文件中：
{
"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"
}
}
}
}
⚠️ 重要提示
请将
D:\\CLONED_PATH\\omniparser-autogui-mcp替换为你克隆的实际路径。
额外配置说明
允许以下额外配置：
- ``OMNI_PARSER_BACKEND_LOAD``
如果与其他客户端（如[LibreChat](https://github.com/danny-avila/LibreChat)）冲突，请指定值为`1`。
- ``TARGET_WINDOW_NAME``
如果你希望指定要操作的窗口，请指定窗口名称。
未指定时，默认对整个屏幕进行操作。
- ``OMNI_PARSER_SERVER``
如果你希望OmniParser的处理在另一台设备上完成，请指定服务器的地址和端口，例如`127.0.0.1:8000`。
服务器可以通过`uv run omniparserserver`启动。
- ``SSE_HOST``, ``SSE_PORT``
如果指定，则通信将通过SSE（Server-Sent Events）而非标准输入输出进行。
- ``SOM_MODEL_PATH``, ``CAPTION_MODEL_NAME``, ``CAPTION_MODEL_PATH``, ``OMNI_PARSER_DEVICE``, ``BOX_TRESHOLD``
这些选项用于OmniParser的配置。
通常情况下，可能不需要调整这些参数。
📄 许可证
本项目采用 MIT 许可证，但不包括子模块和子包。
OmniParser 仓库使用的是 CC - BY - 4.0 协议。
每个 OmniParser 模型具有不同的许可协议（参考）。