MaaMCP_CC

專為 Claude Code 打造的 MaaFramework Pipeline 開發工具

這是什麼？

MaaMCP_CC 是一個 MCP (Model Context Protocol) 伺服器，讓 Claude Code 能夠直接操控 Android 模擬器或 Windows 視窗，專門優化 MaaFramework Pipeline 開發流程。

與 MaaMCP 的差異

	MaaMCP	MaaMCP_CC
設計對象	Cursor、LM Studio 等 AI Agent	Claude Code
截圖方式	OCR 回傳純文字	回傳圖片，Claude 直接用眼睛看
座標定位	靠 OCR 猜座標	screenshot_with_grid 格線精確定位
模板製作	手動裁圖	crop_template 一鍵裁切 + 產生 pipeline 用法
識別測試	寫檔案 → 跑 Pipeline → 看 log	test_recognition 即時測試
連接流程	多個工具來回呼叫	單一工具完成連接 + 載入資源
手動操作	需要另外控制裝置	內建 click / swipe
資源重載	必須重新連接	reload_resource 熱重載
執行結果	成功 / 失敗	逐節點詳細報告 + 完成時截圖

---

安裝

前置需求

• Python 3.10 以上
• Claude Code CLI

步驟一：安裝套件

pip install maamcp-cc

步驟二：在你的 MaaFramework 專案中加入 MCP 設定

在專案根目錄建立 .mcp.json：

{
  "mcpServers": {
    "MaaMCP_CC": {
      "command": "maamcp-cc"
    }
  }
}

用 Claude Code 開啟專案資料夾，會自動偵測 .mcp.json 並詢問是否啟用。

步驟三：確認安裝成功

claude mcp list

看到 MaaMCP_CC: ... ✓ Connected 即為成功。

---

工具一覽

設備管理

工具	說明
list_devices	掃描所有 ADB 設備和 Windows 視窗
connect_adb	連接 Android 設備 + 載入資源包
connect_window	連接 Windows 視窗（後台操作）
get_session_info	查看連接狀態

畫面觀察

工具	說明
screenshot	擷取畫面（支援圖片模式 / OCR 純文字模式）
screenshot_with_grid	帶座標格線的截圖，精確定位 UI 元素

開發輔助

工具	說明
crop_template	裁切模板圖，自動存檔 + 產生 pipeline JSON
test_recognition	即時測試識別節點，不需寫檔
reload_resource	修改 pipeline JSON 後熱重載

裝置操作

工具	說明
click	點擊指定座標
swipe	滑動操作

任務執行

工具	說明
run_task	執行 Pipeline 任務，回傳逐節點報告
list_tasks	列出所有可用的 Pipeline 節點
stop_task	停止執行中的任務

---

開發工作流程

1. list_devices              → 查看有哪些設備
2. connect_adb / window      → 連接設備 + 載入資源
3. screenshot_with_grid      → 帶格線截圖，確定 UI 元素座標
4. crop_template             → 裁切模板圖（自動產生 pipeline 用法）
5. test_recognition          → 即時測試識別條件（可重複調整）
6. 修改 Pipeline JSON
7. reload_resource           → 熱重載修改後的資源
8. run_task                  → 驗證結果

Token 管理策略

圖片會消耗較多 token，可依情況選擇：

方法	Token 消耗	適用場景
screenshot(include_image=False)	極低	只需要文字資訊
screenshot()	中等	需要視覺分析
screenshot_with_grid()	中等	定位 UI 元素座標

圖片已自動壓縮（縮放至 960px + JPEG 60% 品質）。

---

重點工具詳解

screenshot_with_grid

在截圖上疊加座標格線，讓 Claude 能精確讀出每個 UI 元素的座標。

screenshot_with_grid(grid_step=100)

搭配 crop_template 使用：先看格線確定座標 → 裁切模板。

crop_template

從截圖裁切一塊區域作為模板圖，自動儲存到資源包的 image/ 目錄。

crop_template(x=1150, y=25, width=80, height=30, save_name="skip_button.png")

回傳值直接包含可貼進 Pipeline JSON 的識別定義：

{
  "recognition": "TemplateMatch",
  "template": ["skip_button.png"],
  "roi": [1150, 25, 80, 30]
}

預設使用上一次截圖的快取（與 screenshot_with_grid 看到的是同一張），設定 new_screenshot=True 可拍新的。

test_recognition

即時測試識別節點，不需要寫入任何 Pipeline 檔案。

OCR 範例：

{
  "recognition_type": "OCR",
  "params": { "expected": ["確認", "OK"], "roi": [500, 600, 400, 100] }
}

TemplateMatch 範例：

{
  "recognition_type": "TemplateMatch",
  "params": { "template": ["skip_button.png"], "threshold": [0.8] }
}

回傳標記了命中位置的截圖（命中為綠框，未命中顯示 MISS）。

reload_resource

修改 Pipeline JSON 或新增模板圖片後，呼叫即可生效，不需要重新連接設備。

---

技術細節

• 語言：Python 3.10+
• 依賴：FastMCP、MaaFw、OpenCV
• 授權：MIT

---

相關專案

• MaaFramework — 底層自動化框架
• MaaMCP — 原版 MCP（適合 Cursor 等工具）