Descubrir primero, luego actuar en un escritorio Windows

Para quién

Para quien quiera que Claude, Cursor u otro cliente MCP vea y opere un escritorio Windows 10/11. Las capacidades oficiales incluyen screenshots, UI Automation, Chrome CDP, keyboard / mouse, terminal, y semantic discover-then-act, evitando pixel-coordinate guessing.

No es un escritorio remoto multiplataforma. Esta máquina debe ser Windows 10/11. Lo oficial también escribe 32 tools, native Rust engine (UIA in 2 ms), zero-config PowerShell fallback, full CJK support, MIT licensed, y puede conducir Notepad, Excel, Chrome, Windows Terminal y otras aplicaciones locales.

Página oficial:

https://github.com/Harusame64/desktop-touch-mcp

Primera prueba en 3 minutos

Seguir solo el comando oficial:

npx -y @harusame64/desktop-touch-mcp

Añádelo a la configuración de Claude / Cursor / VS Code Copilot. No busques un instalador que no aparece.

Requisitos: Windows 10/11; esta máquina puede ejecutar npx. En la primera prueba no muevas el ratón para pulsar una aplicación y no abras Key Locker. Primero recuerda la parada de emergencia: deja el ratón en la esquina superior izquierda de la pantalla principal (within 10px of 0,0) 500ms.

Configuración: la configuración MCP de esos clientes. Lo oficial no da una ruta de archivo.

La primera llamada debe usar el desktop_discover nombrado. Devuelve interactive entities y short-lived leases, no coordenadas crudas. Éxito: ves las entidades y los arrendamientos, y no ha caído entrada de teclado ni clic de ratón sobre una ventana.

No llames desktop_act de inmediato. Eso va a operate on what you mean; lo oficial tiene per-action perception guards que comprueban identity y bounds de la ventana objetivo antes de que aterrice la entrada, pero sigue siendo escritura.

El descubrimiento de solo lectura no es riesgo cero: toma capturas, lee el árbol UI y puede tocar Chrome CDP. El contenido del escritorio local entra en el cliente.

Casos de uso

Caso 1: primero descubrir y luego decidir si actuar. Llama desktop_discover y lee las entidades y arrendamientos devueltos. Lo oficial no escribe duración del arrendamiento ni una tabla de campos de entidad. Por ahora solo se llega a «ver objetos interactivos, no puntos de píxel».

Caso 2: ejecutar una acción sobre un arrendamiento existente. Llama desktop_act. Lo oficial insiste en que opera sobre what, no where, con perception guards contra wrong-window typing. No hay enumeración de acciones. Antes de llamar debes ver un punto de confirmación y estar listo para la parada de emergencia arriba a la izquierda.

Key Locker es otra capacidad nombrada: guardar una credencial una vez en su propio diálogo de seguridad (cifrado Windows DPAPI, never shown to the assistant), luego abrir una consola con key_locker(action='launch_console'); las indicaciones ocultas de ssh / sudo rellenan el secreto automáticamente. No tomes este camino en la primera prueba.

Límites de uso

Límite de plataforma: Windows 10/11. Límite de capacidad: las herramientas nombradas son desktop_discover, desktop_act, key_locker; en total se escriben 32 tools, pero los demás nombres no aparecen.

Límite de seguridad: la parada de emergencia es la esquina superior izquierda de la pantalla principal, 10px, 500ms. Las credenciales no se muestran al asistente, pero siguen en esta máquina. Lo oficial no describe una sesión remota ni un repliegue fuera de Windows.