《桌面自动化神器：让AI帮你操作电脑，本地运行无月费》
我最近发现一个挺酷的开源工具，叫 nuphus-mcp。简单说，它能让你的AI助手（比如Claude、Cursor里的AI）直接操控你的电脑——看屏幕、点鼠标、打字、开网页，啥都能干。最关键是，它完全本地运行，不用交API月费，也不怕隐私泄露。
适合谁
第一类是经常在电脑上重复操作的朋友，比如每天要整理文件、填表格、查数据，手动操作烦得要死。第二类是搞点小自动化的爱好者，想用AI串联几个软件干活，但不想学编程。第三类是担心隐私的实用派，希望AI帮干活，但不想把屏幕截图都传到别人服务器。
能解决什么问题
当你想让AI帮你自动填个在线表格，它能直接控制浏览器，点输入框、打字、提交，一气呵成。当你想整理桌面上乱七八糟的文件，AI能“看到”屏幕图标，按你说的规则移动归类。当你写东西需要查资料，可以让AI自己开浏览器搜，把结果摘要贴回来，你不用来回切换窗口。
说白了，它把AI从“聊天顾问”变成了“能动手的助理”。
怎么开始用
安装其实很简单，推荐用npm，不用折腾编译环境。打开你的命令行（Windows用PowerShell或CMD，Mac用终端），输入下面这行：
npm install -g @nuphus/nuphus-mcp等它装完，直接输入 nuphus-mcp 就能启动服务。然后在你常用的AI客户端（比如Claude Desktop、Cursor、VS Code的Copilot）里配置一下MCP连接，指向这个本地服务就行了。具体配置方法，去项目README里搜一下你的客户端名字，都有例子。
如果npm安装出问题，你可能需要先装个Node.js。实在不行，项目也提供了国内镜像（Gitee仓库），下载会快很多。
优点和坑
优点很明显：一是完全本地，截图OCR都用本地模型，第一次自动下载，后面就离线跑。二是工具全，36个现成工具，从截图到控制浏览器标签页都覆盖了。三是安全可控，危险操作（比如删文件）有确认机制，而且所有通信都在你电脑内部，不走网络。
坑也得说清楚，我看了下文档和社区反馈，这几个地方你大概率会碰到：
- 桌面功能在Mac和Linux上打折。文档里写了，Windows支持最全，Mac需要你手动去系统设置里开“辅助功能权限”，Linux则只能部分支持窗口控制。如果你主力不是Windows，体验会打折扣。
- 依赖Chrome或Edge。浏览器自动化部分靠Chrome调试协议，所以你电脑上必须装这俩之一。如果没有，相关功能会直接报错。
- 首次运行OCR要下载模型。虽然自动下，但模型文件不小，网不好可能卡住。文档说失败会有明确错误提示和手动下载指引，但终究得多等一会儿。
- “视觉理解”要自备模型。如果你想让它“看懂”屏幕内容（比如识别按钮是什么），需要自己有个支持视觉的AI模型（比如GPT-4V），并配置API密钥和地址。这个功能是“自带干粮”（BYOK）模式，工具本身不提供。
适合你吗
如果你是个Windows用户，不介意折腾一下初始配置，想用AI自动化一些实实在在的电脑操作，那这个工具非常值得一试。125个star虽然不多，但项目更新很勤（最近一次是2026年8月6日），协议也是宽松的MIT，用起来没负担。
但如果你期待一个“安装即用”的傻瓜软件，或者你的主力是Linux、希望所有功能开箱即全，那可能会有点失望。它更像一个给爱折腾的人提供的乐高积木，潜力大，但需要你动手拼装。
总的来说，在本地AI自动化这个新兴领域，nuphus-mcp 提供了一个干净、直接的思路。不用交钱，不怕偷窥，自己电脑的事，让AI在自己电脑里搞定。
