Mspaint MCP Server V2

MCP运维云端

提供方 shettysaish20

运维云端 stdio · 本地进程 API Key 社区 / 第三方
查看接入方式

一个结合AI数学计算与MSPaint绘图的自动化工具,通过结构化提示解决复杂数学问题并可视化结果。

一句话选型结论

按资料字段整理

Mspaint MCP Server V2 属于运维云端类 MCP 服务器,stdio · 本地进程,API Key,有可直接执行的安装命令。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stdio · 本地进程 鉴权API Key 部署方式本地部署
GitHub 星标 1 仓库热度,无公开仓库时显示未标注
工具数 未标注 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
工具数量未标注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

适用场景

数学计算Python本地部署AI自动化绘图工具结构化提示

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
pip install -r requirements.txt

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  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

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

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

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好API Key对应的凭据,并按最小权限配置。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 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。
  • 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

  • 完全不想在本地装环境的人。
  • 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
Mspaint MCP Server V2当前 未标注 stdio · 本地进程 本地部署 有 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shettysaish20上游标注的维护方 shettysaish20
分类运维云端本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式API Key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
部署类型本地部署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

7.3 KB
来自项目仓库与上游目录的原文,未做删改

基于AI规划算法的MSPaint MCP服务器

该项目演示了如何使用Advanced AI Prompting使LLM能够稳健地处理多个步骤的复杂数学问题。它使用模型上下文协议(MCP)允许由谷歌Gemini模型支持的AI代理与传统的Windows应用程序(MSPaint)进行交互。AI代理利用以下定义的工具 fastmcp 并通过以下方式实施 pywinauto 解决数学问题,然后在Paint画布上绘制解决方案。

目录

  • 引言
  • 此问题陈述的结构化提示
  • ChatGPT结构化提示评估结果
  • 项目结构
  • 需求
  • 设置
  • 用法
  • 运作原理
  • 关键组件
  • 故障排除
  • 贡献
  • 许可证

引言

该项目展示了高级人工智能提示的使用,使LLM能够稳健地处理多个步骤的复杂数学问题。

此问题陈述的结构化提示```

You are a math agent with painting skills, solving complex math expressions step-by-step.
You have access to various mathematical tools for calculations and verifications, as well as an MSPaint application to draw and present your solution on a canvas.

Available Tools:
{tools_description}

MSPaint Application Information:
- Rectangle coordinates: x1 = 763, y1 = 595, x2 = 1788, y2 = 1123

You must respond with EXACTLY ONE LINE in one of these formats (no additional text):

  1. For function calls:
    FUNCTION_CALL: {{"name": function_name, "arguments": {{"param1": value1, "param2": value2}}}}

  2. For final answers:
    FINAL_ANSWER:

  3. For completing the task:
    COMPLETE_RUN

Instructions:
- Start by calling the show_reasoning tool ONLY ONCE with a list of all step-by-step reasoning steps explaining how you will solve the problem. Once called, NEVER CALL IT AGAIN UNDER ANY CIRCUMSTANCES.
- When reasoning, tag each step with the reasoning type (e.g., [Arithmetic], [Logical Check]).
- Use all available math tools to solve the problem step-by-step.
- When a function returns multiple values, process all of them.
- Apply BODMAS rules: start with the innermost parentheses and work outward.
- Do not skip steps — perform all calculations sequentially.
- Respond only with one line at a time.
- Call only one tool per response.
- After calculating a number, verify it by calling:
FUNCTION_CALL: {{"name": "verify_calculation", "arguments": {{"expression": , "expected": }}}}
- If verify_calculation returns False, re-evaluate your previous steps.
- Once you reach a final answer, check for consistency of all steps and calculations by calling:
FUNCTION_CALL: {{"name": "verify_consistency", "arguments": {{"steps": [[, ], [, ], ...]}}}}
- If verify_consistency returns False, re-evaluate your previous steps.
- Once verify_consistency return True, submit your final result as:
FINAL_ANSWER:

Paint Instructions:
- To draw in Paint, follow this sequence strictly:
1. Call open_paint to start the Paint application.
2. Verify Paint is open using verify_paint_open.
3. If verify_paint_open returns False, retry opening Paint until it succeeds.
4. After Paint is open, draw a rectangle using draw_rectangle with correct parameters.
5. Add text using add_text_in_paint, inserting your FINAL_ANSWER: .

Final Step:
- After completing all calculations, verifications, and drawings, call:
COMPLETE_RUN

Strictly follow the above guidelines.
Your entire response should always be a single line starting with either FUNCTION_CALL:, FINAL_ANSWER: or COMPLETE_RUN.


## ChatGPT结构化提示评估结果```json
{
"explicit_reasoning": true,
"structured_output": true,
"tool_separation": true,
"conversation_loop": true,
"instructional_framing": true,
"internal_self_checks": true,
"reasoning_type_awareness": true,
"fallbacks": true,
"overall_clarity": "Extremely strong prompt — it carefully enforces step-by-step reasoning, structured outputs, error handling, and tool use separation. Very minor improvements could be to give a short worked-out example, but even without it, the robustness is excellent."
}

项目结构```

├── MSPaint-MCP-Server/
│ ├── mcp_server.py # Defines the MCP server with tools for Paint automation
│ ├── mcp_client.py # Defines the MCP client that interacts with the server and AI model
│ ├── requirements.txt # Lists the project dependencies
│ └── .env # Stores the Gemini API key
├── README.md # This file


## 需求

- Python 3.11+
- Conda(推荐用于环境管理)
- Google Gemini API密钥
- pywin32
- pywinauto
- fastmcp
- python dotenv
- 谷歌genai
- 富有的

## 设置

1. **创建Conda环境:**```bash
conda create -n eagenv python=3.11
conda activate eagenv
  1. 安装依赖项:```bash
    pip install -r requirements.txt

1. **设置Gemini API密钥:**

- 创建一个 `.env` 目录中的文件。

- 将Gemini API密钥添加到 `.env` 文件:```
GEMINI_API_KEY=YOUR_API_KEY

用法

  1. 运行MCP客户端:bash python mcp_paint_app/mcp_client.py

这将启动连接到MCP服务器的MCP客户端,初始化AI代理,并开始自动化过程。

运作原理

  1. MCP服务器(mcp_server.py):
  • 定义用于与MSPaint交互的工具(例如。, open_paint, draw_rectangle, add_text_in_paint)以及各种数学运算(例如。, add, subtract, multiply, divide, verify_calculation, verify_consistency).
  • 用途 pywinauto 以控制MSPaint应用程序。
  • 通过以下方式显示这些工具 fastmcp 图书馆。
  1. MCP客户端(mcp_client.py):
  • 连接到MCP服务器。
  • 使用Google Gemini模型生成指令并求解给定的数学表达式。
  • 分析模型的输出以确定调用哪个工具。
  • 使用所需参数调用MCP服务器上的相应工具。
  • 处理来自工具的响应,并将其反馈给模型以进行下一步。
  • 在MSPaint中编排最终答案的绘制。
  1. 人工智能代理(谷歌双子座):
  • 接收复杂的数学表达式(例如。, ((3000 - (400+552)) / 2 + 1024).
  • 使用可用工具(在系统提示中定义)逐步解决问题。
  • 生成函数调用(例如。, FUNCTION_CALL: {"name": "add", "arguments" {"a": 400, "b": 552}})使用工具。
  • 使用验证每个计算 verify_calculation 工具。
  • 使用 verify_consistency 工具。
  • 一旦获得并验证了最终答案,它就会使用Paint通过打开Paint、绘制矩形并将最终答案添加为文本来显示结果。
  • 通过调用 COMPLETE_RUN 命令。

关键组件

  • mcp_server.py: 包含自动化MSPaint的核心逻辑。这 open_paint, draw_rectangle,以及 add_text_in_paint 函数是AI代理使用的关键工具。
  • mcp_client.py: 管理AI代理和MCP服务器之间的交互。它设置系统提示、调用工具并处理响应。
  • requirements.txt: 列出项目所需的所有Python包。
  • .env: 存储Google Gemini API密钥。

故障排除

  • 权限问题: 如果遇到权限问题,请尝试以管理员身份运行脚本。
  • 协调问题: 用于在MSPaint中单击的坐标可能需要根据您的屏幕分辨率和窗口大小进行调整。使用代码中的调试打印语句来标识正确的坐标。
  • 工具选择问题: 如果AI代理没有选择正确的工具,请查看系统提示并确保工具描述准确。
  • API关键问题: 确保Gemini API密钥在 .env 文件。

贡献

欢迎投稿!请提交一个包含您的更改的拉取请求。

许可证

MIT许可证

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Mspaint MCP Server V2 怎么安装?

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

Mspaint MCP Server V2 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Mspaint MCP Server V2 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。

Mspaint MCP Server V2 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

Mspaint MCP Server V2 能提供哪些能力?

资料显示能力标签包括 数学计算、Python、AI自动化。具体工具清单以官方文档为准。

Mspaint MCP Server V2 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Mspaint MCP Server V2 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

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。