open-computer-use：面向 MCP 客户端的跨平台桌面控制服务
概述
open-computer-use 是一个把 Computer Use 能力封装为 Model Context Protocol（MCP）服务的开源项目。其目标不是提供单独的聊天界面，而是让 Codex、Claude Code、Gemini CLI 等 Agent 客户端能够调用统一的桌面操作工具；官方 README 声明支持 macOS、Linux 和 Windows，许可证为 MIT。^[来源：open-computer-use README]
对 macOS 而言，这一定位很实用：上层 Agent 负责理解用户意图与规划，下层服务提供应用列表、界面状态、按键、鼠标等可调用动作。它可与 UI-TARS Desktop 的独立视觉 Agent 形成互补，也可作为 Codex 工作流中对真实 GUI 的执行层，而不必重新实现一个完整的 Agent 对话产品。
本文以 2026-07-27 的项目 README 为准。该项目发展较快，工具名、支持的客户端和安装器写入的配置位置都应在执行前复核。
架构：把 GUI 动作作为工具提供
MCP Server 的基本作用是让宿主 Agent 发现和调用一组具名工具。open-computer-use 将本机的应用、可访问元素和输入动作暴露出来；宿主 Agent 则根据任务多轮调用它们。README 展示了 list_apps、get_app_state、press_key 等直接调用示例，也提供将该服务写入 Codex MCP 配置的安装命令。^[来源：open-computer-use README]
用户任务 → Codex / Claude Code 等宿主 Agent → MCP 请求
│
▼
open-computer-use 本机服务
│
macOS Accessibility / 屏幕录制权限
│
▼
应用状态、鼠标与键盘输入这种分层的优点是可替换：同一 MCP 服务可以被不同模型或 Agent harness 使用；同一上层 Agent 也可以根据任务切换浏览器、文件、Shell 或 GUI 工具。代价是责任边界也被拆开了——MCP 服务“可以执行”不等于上层 Agent“能可靠判断何时执行”，需要在宿主侧控制确认、重试与审计。
macOS 前提与最小启动路径
官方 README 要求 macOS 14.0 或更高版本，并要求首次运行时授予 Accessibility 与 Screen Recording 权限。安装示例为：^[来源：open-computer-use README]
npm i -g open-computer-use
open-computer-use
# 由项目安装器向 Codex 配置写入 MCP Server
open-computer-use install-codex-mcp最后一条命令会修改用户级 Codex 配置，因此应先阅读项目当前输出、确认目标配置文件和已有 MCP 项，再决定是否使用自动安装器。更显式的等价方式是按照 README 手动添加命令为 open-computer-use mcp 的 MCP Server 配置。不要在生产账号、共享账户或包含敏感聊天窗口的桌面上，为未知来源的进程直接授予两项系统权限。
项目还提供 doctor 检查权限、call 单次调用工具和本地 smoke test。它们适合先验证“服务能否看见目标应用”和“单步输入是否生效”，再交给上层 Agent 执行长流程。^[来源：open-computer-use README]
何时选择它
| 需求 | 适配度 | 原因 |
|---|---|---|
| 让已有 Agent 客户端获得 macOS GUI 能力 | 高 | MCP 形态正是其主设计目标 |
| 需要同时支持 macOS、Linux、Windows | 高 | 项目声明跨平台支持 |
| 想从 CLI 精确检查、单步调用与调试 | 高 | README 提供工具调用、诊断与测试入口 |
| 想直接使用带可视化流程编辑的独立桌面 Agent | 中 | 需要上层宿主 Agent；可转看 UI-TARS Desktop |
| 希望完全由本地开源模型推理 | 不确定 | 服务开源不等于其宿主模型或所用 API 必然本地运行 |
与 macOS-use 一样，该项目依赖 macOS 的可访问性能力来做非侵入式控制；但前者是 Node/MCP 侧的执行服务，后者是 Python 中可组合的 Agent 库。选择标准应是既有 Agent 的接入协议与团队语言栈，而不是只比较“能不能点按钮”。
安全与可靠性
Screen Recording 会暴露屏幕内容，Accessibility 可以代表用户操作界面；两项权限叠加后，任何能调用 MCP Server 的上层 Agent 都成为高权限主体。至少应采取以下边界：
- 为执行 GUI 操作使用单独的受限 macOS 用户或测试机，避免与主工作账号混用。
- 在发送、支付、删除、权限授权、发布等节点要求人工确认；将“观察”和“执行”明确分离。
- 限制允许连接到该 MCP 服务的 Agent、模型和配置来源；不要复制不明教程中的全局配置。
- 优先使用应用的 API、CLI 或可审计的自动化接口；只有接口缺失时才使用 GUI。
- 测试结束后在系统设置中撤销不再需要的权限。
这些原则同样适用于 四种方案对比中的其他桌面控制方案；差异主要在模型与执行编排，权限风险的本质相同。
结论
open-computer-use 的亮点是把“控制电脑”变成可接入现有 Agent 的 MCP 能力。它适合已经使用 Codex、Claude Code 或其他 MCP 客户端的人，以可观察的单步工具调用逐渐扩展到 GUI 流程；不适合把系统级控制权限不加约束地交给长链路自主任务。