Servidor MCP para automação de desktop no Windows — captura de tela, mouse, teclado e automação de interface com diffing de P-frame eficiente em tokens para agentes LLM
Este skill, **Harusame64/desktop-touch-mcp**, é um servidor MCP (Model Context Protocol) que capacita agentes de IA (como Claude, Codex ou Gemini) a controlar diretamente o desktop Windows. Ele permite que o agente tire screenshots, mova e clique com o mouse, digite texto e interaja com elementos da interface usando automação UI. A funcionalidade principal inclui um mecanismo de "diffing P-frame" que, em vez de enviar capturas de tela completas a cada quadro, envia apenas as diferenças (deltas) entre quadros consecutivos, reduzindo drasticamente o consumo de tokens e mantendo a eficiência visual. É ideal para cenários como teste automatizado de aplicações Windows, fluxos de trabalho de RPA (Automação de Processos Robóticos) com agentes de linguagem, ou assistência remota onde o agente precisa ver e agir na interface gráfica. O suporte é voltado para Windows e integra-se facilmente a qualquer ecossistema que suporte MCP.
npx skills add Harusame64/desktop-touch-mcpServidor MCP para automação de desktop no Windows — captura de tela, mouse, teclado e automação de interface com diffing de P-frame eficiente em tokens para agentes LLM
Fonte: https://github.com/Harusame64/desktop-touch-mcp
Descoberto a partir de repositórios GitHub enviados nas últimas 24 horas para skills de agentes, workflows Claude/Codex/Gemini, ferramentas MCP e automação adjacente com agentes de IA.
ElevenLabs text-to-speech with mac-style say UX.
Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.
Capture and automate macOS UI with the Peekaboo CLI.
Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".
Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.
Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".