Codriver MCP

MCP运维云端

提供方 ViktorTrn

运维云端 未标注 Token 社区 / 第三方 ClaudeWindsurfVS Code

CoDriver是一个通过Model Context Protocol实现的AI驱动桌面自动化控制工具,支持屏幕截图、UI树读取、OCR识别和鼠标键盘输入注入,适用于实时人机协作。

一句话选型结论

按资料字段整理

Codriver MCP 属于运维云端类 MCP 服务器,传输方式未标注,Token,可直接接入 Claude、Windsurf、VS Code,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式未标注 鉴权Token 部署方式未标注
GitHub 星标 13 仓库热度,无公开仓库时显示未标注
工具数 12 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量12暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

桌面自动化TypeScript本地部署AI控制屏幕截图UI交互OCR识别

安装与配置

未标注 Token
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 12 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 12 个工具,覆盖面较广,能满足多种调用。
  • 已适配 Claude、Windsurf、VS Code,换客户端不用重新研究配置。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude、Windsurf 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Codriver MCP当前 12 未标注 未标注 无 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方ViktorTrn上游标注的维护方 ViktorTrn
分类运维云端本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式Token远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

7.4 KB
来自项目仓库与上游目录的原文,未做删改

CoDriver MCP

通过模型上下文协议实现AI驱动的桌面自动化

CoDriver是一个MCP服务器,它使Claude能够控制任何桌面应用程序。它捕获屏幕截图,读取可访问性树,执行OCR,并注入鼠标/键盘输入,从而在桌面上实现实时人工智能协作。

> CoDriver适用于整个桌面,就像“Chrome中的克劳德”适用于浏览器一样。

特性

工具 说明
desktop_screenshot 捕获整个桌面、窗口或特定显示器(PNG/JPEG)
desktop_click 单击坐标或按元素参照
desktop_type 在光标处或特定元素中键入文本
desktop_key 按组合键(ctrl+c, alt+tab, f5)
desktop_scroll 在某个位置向任意方向滚动
desktop_drag 在坐标或元素参照之间拖放
desktop_windows 列出并聚焦应用程序窗口
desktop_read_ui 使用引用ID读取可访问性树
desktop_find 按名称、角色或值查找UI元素
desktop_launch 启动、退出或检查应用程序的状态
desktop_ocr 通过OCR从屏幕提取文本(tesseract.js)
desktop_displays 列出连接的监视器以进行多显示器捕获

平台支持

平台 状态 鼠标/键盘 窗口管理 辅助功能 屏幕截图 OCR
macOS 支持 Swift/CGEvent+robotjs Swift/CoreGraphics JXA/osascript 截图桌面 tesseract.js
视窗 支持 robotjs PowerShell+Win32 P/Invoke PowerShell+UI自动化 屏幕截图桌面 tesseract.js
Linux 计划中 - -

快速开始

先决条件

  • Node.js 20+
  • macOS 或 Windows 10/11
  • 仅限Windows:Visual Studio构建工具(用于robotjs本机编译)

macOS权限

CoDriver需要两个系统权限。授予他们 系统设置>隐私和安全:

权限 必需 如何授予
屏幕录制 截图、窗口列表 添加您的终端/IDE应用程序
无障碍 鼠标点击、键盘输入、滚动、UI树阅读 添加您的终端/IDE应用程序

> 提示: 如果您使用IDE中的CoDriver(例如Windsurf、VS Code),请添加 IDE应用程序 打开两个权限列表,然后完全重新启动它(Cmd+Q)。

Windows权限

权限 需要 备注
无 截图、窗口列表、UI树阅读 开箱即用
管理员 (可选) 读取管理员提升进程的UI 以管理员身份运行终端

> 注: robotjs需要 Visual Studio 生成工具 在Windows上编译本机模块。通过安装 npm install --global windows-build-tools 或从以下网址下载 Visual Studio.

安装```bash

git clone https://github.com/ViktorTrn/codriver-mcp.git
cd codriver-mcp
npm install
npm run build


### 用克劳德代码配置(本地)

增添 `~/.claude/settings.json`:```json
{
"mcpServers": {
"codriver": {
"command": "node",
"args": ["/absolute/path/to/codriver-mcp/dist/index.js"]
}
}
}

远程访问(HTTP传输)```bash

node dist/index.js --http # localhost:3100
node dist/index.js --http --port 8080 # custom port
node dist/index.js --http --host 0.0.0.0 # all interfaces
node dist/index.js --http --api-key YOUR_SECRET # with authentication


远程克劳德代码配置:```json
{
"mcpServers": {
"codriver-remote": {
"url": "http://your-machine:3100/mcp",
"headers": {
"Authorization": "Bearer YOUR_API_KEY"
}
}
}
}

使用示例```

"Take a screenshot of my desktop"
-> desktop_screenshot

"Read the UI tree of the frontmost app"
-> desktop_read_ui

"Find the Save button"
-> desktop_find { query: "Save" }

"Click the Save button"
-> desktop_click { ref: "ref_3" }

"Drag the file to the trash"
-> desktop_drag { startRef: "ref_5", endRef: "ref_12" }

"Type into the search field"
-> desktop_type { ref: "ref_5", text: "hello world" }

"Launch Safari"
-> desktop_launch { action: "launch", appName: "Safari" }

"Read text from this area of the screen"
-> desktop_ocr { x: 100, y: 200, width: 500, height: 100 }

"Which monitors are connected?"
-> desktop_displays


## 可访问性驱动的工作流

推荐的工作流程反映了Chrome的可访问性方法:

1. **读取UI** - `desktop_read_ui` 返回一个包含引用ID的元素树
1. **查找元素** - `desktop_find` 按名称、角色或值搜索
1. **通过ref进行交互** - `desktop_click { ref: "ref_1" }` 或 `desktop_type { ref: "ref_3", text: "..." }`

这比基于坐标的点击更可靠,因为元素是在语义上标识的。

## 组合键

|输入|操作|
|-------|--------|
| `enter` |按Enter键|
| `ctrl+c` |复制|
| `ctrl+v` |粘贴|
| `ctrl+shift+s` |另存为|
| `cmd+a` |全选(macOS)|
| `alt+tab` |切换窗口|
| `f5` |刷新|
| `esc` |逃跑|

## 发展```bash
npm run build        # Compile TypeScript
npm run dev          # Watch mode (tsx)
npm test             # Run tests (107 tests)
npm run typecheck    # Type-check without emit

建筑```

CoDriver MCP Server (Node.js/TypeScript)
|
+-- Transport
| +-- stdio (local, default)
| +-- Streamable HTTP/SSE (remote, --http flag)
|
+-- Tools (12 total)
| +-- desktop_screenshot PNG/JPEG capture, multi-monitor
| +-- desktop_click Mouse click (coords or ref)
| +-- desktop_type Keyboard input
| +-- desktop_key Key combinations
| +-- desktop_scroll Scroll wheel
| +-- desktop_drag Drag & drop
| +-- desktop_windows Window management
| +-- desktop_read_ui Accessibility tree
| +-- desktop_find Element search
| +-- desktop_launch App lifecycle
| +-- desktop_ocr Text recognition
| +-- desktop_displays Monitor listing
|
+-- Modules
+-- ScreenCapture screenshot-desktop + sharp (cross-platform)
+-- InputController Swift/CGEvent (macOS) | robotjs (Windows)
+-- WindowManager Swift/CoreGraphics (macOS) | PowerShell+Win32 (Windows)
+-- AccessibilityReader JXA/osascript (macOS) | PowerShell+UIA (Windows)
+-- AppLauncher AppleScript (macOS) | PowerShell (Windows)
+-- OcrEngine tesseract.js (cross-platform)
```

技术栈

组件 macOS Windows
运行时 Node.js 20 LTS,TypeScript 5.7+严格版 相同
MCP SDK @modelcontextprotocol/SDK v1.26 相同
截图 截图桌面+锐化 相同
鼠标输入 Swift/CGEvent @jitsi/robotjs
键盘输入 @jitsi/robotjs 相同
可访问性 JXA/osascript PowerShell+用户界面自动化(System.Windows.Automation)
窗口管理 Swift/核心图形 PowerShell+Win32 P/Invoke
应用程序启动器 AppleScript/osascript PowerShell(启动进程/停止进程)
OCR tesseract.js 相同
HTTP传输 Express+StreamableHTTPServerTransport 相同
测试 vitest(107次测试) 相同

路线图

  • [x] 第一阶段:MVP -屏幕截图、鼠标、键盘、windows(macOS)
  • [x] 第二阶段:可访问性 -UI树读取、元素引用、自然语言查找
  • [x] 第三阶段:远程 -HTTP/SSE传输、API-key身份验证、JPEG压缩
  • [x] 第四阶段:波兰语 -OCR、拖放、应用程序启动、多显示器
  • [x] 第五阶段:窗户 -完全支持Windows 10/11

未来

  • [x] npm包发布(npm install -g codriver-mcp)
  • []GIF录制
  • []Linux平台支持

许可证

麻省理工学院

作者

维克托·特伦切克- IBT 工程 办公 Trncik

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
Codriver MCP 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Codriver MCP 怎么在 Claude、Windsurf、VS Code 里配置?

它的传输方式未标注,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Codriver MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Codriver MCP 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

Codriver MCP 支持哪些客户端?

资料标注支持 Claude、Windsurf、VS Code;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Codriver MCP 能提供哪些能力?

资料显示约 12 个工具;能力标签包括 TypeScript、Claude、AI控制。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。