WinCommander

手机大脑 → Windows 四肢。把任意 Windows 设备变成远程可操控的 MCP 工具集。 手机 Termux 里的 Hermes 是唯一的 AI Agent，Windows 只管执行，无需 API Key。

架构

┌─────────────────────────────┐
│   手机 (Termux + Hermes)    │
│   唯一 AI 大脑              │
│                             │
│   "帮我在 Win 上打开浏览器  │
│    搜索 Python 文档"        │
│                             │
│   Agent 调用工具:            │
│   mcp_win_browser_navigate  │
│   mcp_win_input_type        │
│   mcp_win_cli_run           │
└──────────┬──────────────────┘
           │ LAN / Tailscale
           ▼
┌─────────────────────────────┐
│   Windows (WinCommander)    │
│   无脑执行器                │
│                             │
│   ✅ CLI (CMD/PowerShell)   │
│   ✅ GUI (UIA 桌面自动化)   │
│   ✅ 浏览器 (Playwright)    │
│   ✅ 键鼠 (pyautogui)       │
│   ✅ USB 设备管理            │
│   ✅ 截图 / 剪贴板          │
│   ✅ 文件系统               │
│   ✅ 进程管理               │
│                             │
│   无需 API Key · 全离线     │
└─────────────────────────────┘

功能 (35+ 工具)

类别	工具	说明
CLI	cli_run	执行 CMD 命令
	cli_powershell	执行 PowerShell
GUI	gui_snapshot	获取桌面 UI 元素树
	gui_click	点击元素
	gui_double_click	双击元素
	gui_type	向元素输入文本
	gui_press	发送按键
	gui_focus	聚焦元素
	gui_invoke	触发按钮
	gui_window_list	列出所有窗口
	gui_window_focus	前置窗口
	gui_window_close	关闭窗口
输入	input_click	鼠标点击坐标
	input_double_click	鼠标双击
	input_move	移动鼠标
	input_drag	拖拽
	input_type	键盘输入文本
	input_hotkey	组合键 (Ctrl+C, Win+R…)
	input_scroll	滚轮
浏览器	browser_navigate	打开网页
	browser_click	点击元素
	browser_type	输入框填字
	browser_snapshot	获取页面文本
	browser_exec	执行 JS
	browser_scroll	滚动页面
	browser_close	关闭浏览器
截图	screen_screenshot	全屏/区域截图
	screen_size	屏幕分辨率
USB	usb_list	列出 USB 设备
	usb_detailed	USB 详细信息
系统	system_info	系统信息
	system_processes	进程列表
	system_kill	终止进程
文件	file_list	列目录
	file_read	读文件
	file_write	写文件
	file_delete	删文件
	file_exists	检查存在
剪贴板	clipboard_get	读剪贴板
	clipboard_set	写剪贴板
应用	app_start	启动应用

快速开始

1. Windows 端部署

git clone https://github.com/你的仓库/win-commander.git
cd win-commander
setup_win.bat

脚本自动完成：

• 检测 Python 3.10+
• 创建 venv 并安装所有依赖
• 下载 Playwright Chromium 浏览器 (~150MB)
• 生成启动批处理

2. 启动

启动_WinCommander.bat          # 无白名单限制
启动_WinCommander_安全模式.bat  # 限制用户目录

启动后终端显示：

╔══════════════════════════════════════════════════╗
║        WinCommander — Windows 远程控制          ║
╠══════════════════════════════════════════════════╣
║  局域网 IP : 192.168.1.100                      ║
║  端口      : 9600                                ║
║  MCP URL   : http://192.168.1.100:9600/mcp      ║
╠══════════════════════════════════════════════════╣
║  Termux 端配置:                                  ║
║  hermes config set mcp_servers.win.url           ║
║    "http://192.168.1.100:9600/mcp"              ║
╚══════════════════════════════════════════════════╝

3. 手机 (Termux) 端配置

# 方法 A: 自动配置 (在 Linux/Termux 上)
bash setup_termux.sh

# 方法 B: 手动配置
hermes config set mcp_servers.win.url "http://192.168.1.100:9600/mcp"

# 重启 Hermes
hermes gateway restart

4. 开始使用

在手机 Hermes 中直接对话：

"看看 Windows 上有什么窗口"
"用 mcp_win_system_info 看看系统状态"
"在 Windows 上打开 Chrome 搜索 Python 文档"
"帮我在 Windows 桌面上建一个 test.txt 文件"

所有工具以 mcp_win_ 为前缀。Hermes 会自动发现并调用。

安全

机制	说明
白名单	--whitelist 限制文件访问目录
SSRF 防护	浏览器禁止访问 localhost/私有 IP/云元数据
Tailscale	跨网络使用时走 WireGuard 加密隧道
HMAC	--secret 可选认证密钥

可选依赖

库	用途	缺失影响
uiautomation	GUI 自动化	gui_* 工具不可用
pyautogui	键鼠模拟	input_* 工具不可用
playwright	浏览器	browser_* 工具不可用
pyperclip	剪贴板	clipboard_* 工具不可用
mss + Pillow	截图	screen_* 回退到 pyautogui
psutil	系统信息	内存/磁盘信息缺失

与 Hermes-Desktop / remote-device-mcp 的关系

WinCommander 吸收了这两个项目的精华：

• Hermes-Desktop 提供了 Windows GUI 自动化 (FlaUI.UIA3 → uiautomation) 和浏览器自动化 (Playwright) 的工具设计模式
• hermes-remote-device-mcp 提供了 MCP Server 远程控制的架构思路，但修复了其 HMAC 认证缺失、shell 注入等问题

区别：

	Hermes-Desktop	remote-device-mcp	WinCommander
平台	Windows only	跨平台	Windows only
AI 位置	本地 agent runtime	远程 Hermes	远程 Hermes (手机)
API Key	需要	不需要	不需要
GUI 自动化	FlaUI.UIA3 (C#)	❌	uiautomation (Python)
浏览器	Playwright (已实现但未注册)	❌	Playwright
键鼠	嵌入 UIA	❌	独立 pyautogui 工具
USB	❌	❌	✅
安全性	HMAC + 白名单	HMAC 假实现	真 HMAC + SSRF + 白名单

License

MIT