1. 为什么我决定在 macOS 上折腾 MCP 桌面自动化MCPModel Context Protocol是让大语言模型标准化调用外部工具的开放协议你可以把它理解成 AI 的「USB-C 接口」——模型本身只会思考和输出文本接上 MCP 之后它才真正长出「手和眼」能读写文件、控制应用、执行系统命令。macOS 桌面自动化则是把这套能力落到本地让 AI 帮你整理桌面、调整窗口、批量重命名、定时触发脚本。适合谁适合已经用过 Cursor、Claude Desktop 这类客户端想让 AI 从「聊天框」走进「真实桌面」的开发者尤其是手里有一堆重复操作想交给 AI 的人。我试过纯 AppleScript 写自动化痛点很明显脚本要一行行手写改一个逻辑就得重调语法而且 AI 没法直接理解你的意图。MCP 的价值在于把「意图 → 工具调用 → 系统执行」这条链路标准化了。你只需要在配置文件里声明有哪些工具可用AI 就能根据自然语言自己决定调哪个、传什么参数。macOS 本身有 AppleScript 和 JXAJavaScript for Automation两套原生自动化能力MCP 服务器只要把它们包一层AI 就能间接操控整个桌面。这篇不聊虚的直接给你两份能跑的配置骨架config.toml和settings.json再走一遍从配置到触发桌面动作的完整验证流程。目标很明确——你照着填完能亲眼看到 AI 让 Finder 弹出一个窗口或者让某个 App 执行一次操作。2. TaoToken 前置把模型调用这层先打通MCP 负责「AI 调工具」但 AI 本身得先能跑起来。如果你用的是本地模型或者已经配好的客户端这步可以跳过如果你希望用云端模型驱动整个自动化流程就需要一个稳定的模型接入层。TaoToken 在这里的角色是提供兼容 OpenAI 风格的 API 入口让客户端能统一调用不同模型不用为每个模型单独改代码。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。注意 API 地址不带 UTM 参数配置里填这个就行。你需要先拿到 API Key。进入控制台创建密钥https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 然后在 API Keys 页面生成https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。生成后复制那串sk-开头的字符串后面配置里要用。如果你还没决定用哪个模型可以先在模型对话页面试一下https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 。对于桌面自动化这种需要理解工具 schema、生成结构化调用的场景建议选指令遵循能力强的模型不然它可能把参数传错。注意API Key 只显示一次生成后立刻保存到本地密码管理器或环境变量里别直接写进会提交到 Git 的配置文件。3. 可复制配置config.toml 与 settings.json 骨架MCP 的配置分两层一层是 MCP 服务器自己的config.toml声明这个服务器提供哪些工具、每个工具的参数 schema另一层是客户端的settings.json告诉客户端去哪里启动这个服务器、用什么命令。下面两份骨架你可以直接复制改。3.1 config.toml声明 macOS 桌面工具这份配置定义了一个名为macos-desktop的 MCP 服务器暴露三个工具open_app打开应用、move_file移动文件、resize_window调整窗口大小。每个工具的参数用 JSON Schema 描述AI 会根据这个 schema 生成调用参数。# config.toml - macOS 桌面自动化 MCP 服务器配置 [server] name macos-desktop version 0.1.0 description 通过 AppleScript 控制 macOS 桌面操作 [server.transport] type stdio # 本地进程通信用 stdio最省事 [[tools]] name open_app description 打开指定的 macOS 应用程序 [tools.input_schema] type object properties.app_name { type string, description 应用名称如 Safari、Finder } required [app_name] [[tools]] name move_file description 把文件从源路径移动到目标目录 [tools.input_schema] type object properties.source { type string, description 源文件绝对路径 } properties.target_dir { type string, description 目标目录绝对路径 } required [source, target_dir] [[tools]] name resize_window description 调整指定应用主窗口的尺寸 [tools.input_schema] type object properties.app_name { type string, description 应用名称 } properties.width { type integer, description 宽度像素 } properties.height { type integer, description 高度像素 } required [app_name, width, height]这份 TOML 的关键点是transport.type stdio。本地 MCP 服务器最常用的就是标准输入输出通信客户端启动一个子进程通过 stdin/stdout 交换 JSON-RPC 消息。你不需要开端口也不需要处理网络鉴权进程生命周期由客户端管理。3.2 settings.json客户端接入配置客户端这边以常见的 MCP 客户端配置格式为例在settings.json里加一段mcpServers。这里假设你的服务器启动命令是node /Users/you/mcp-macos/server.js实际路径按你的项目改。{ mcpServers: { macos-desktop: { command: node, args: [/Users/you/mcp-macos/server.js], env: { TAOTOKEN_API_KEY: sk-你的密钥, TAOTOKEN_BASE_URL: https://taotoken.net/api } } } }如果你用的是 Python 写的服务器把command改成python3args改成脚本路径即可。env里放 API Key 是为了让服务器内部在需要调用模型做二次判断时能直接读取比如「根据文件内容决定移到哪个目录」这种需要语义理解的场景。注意settings.json如果放在项目目录里记得加进.gitignore别把 Key 提交上去。更稳妥的做法是用系统环境变量配置里只写变量名。3.3 服务器端最小实现骨架配置文件只是声明真正执行动作的是服务器代码。下面是一个 Node.js 最小骨架用child_process调 AppleScript 实现open_app和resize_window。// server.js - 最小 MCP 服务器骨架 const { exec } require(child_process); const readline require(readline); const rl readline.createInterface({ input: process.stdin }); function runAppleScript(script) { return new Promise((resolve, reject) { exec(osascript -e ${script}, (err, stdout) { if (err) reject(err); else resolve(stdout.trim()); }); }); } const tools { open_app: async ({ app_name }) { await runAppleScript(tell application ${app_name} to activate); return 已打开 ${app_name}; }, resize_window: async ({ app_name, width, height }) { const script tell application ${app_name} to set bounds of front window to {0, 0, ${width}, ${height}}; await runAppleScript(script); return ${app_name} 窗口已调整为 ${width}x${height}; }, }; rl.on(line, async (line) { const msg JSON.parse(line); if (msg.method tools/call) { const { name, arguments: args } msg.params; const result await tools[name](args); process.stdout.write(JSON.stringify({ id: msg.id, result }) \n); } });这段代码只处理了tools/call真实场景还要处理tools/list、初始化握手等但作为验证骨架够用了。重点是让你看到MCP 服务器本质就是一个「收到 JSON-RPC 请求 → 执行本地操作 → 返回结果」的进程。4. 验证请求从配置到触发一次桌面动作配置写完怎么确认它真的通了分三步走。4.1 先单独测服务器进程在终端里直接跑服务器手动喂一条 JSON-RPC 请求看它能不能正确调 AppleScript。echo {id:1,method:tools/call,params:{name:open_app,arguments:{app_name:Finder}}} | node server.js如果 Finder 被激活到前台终端输出类似{id:1,result:已打开 Finder}说明服务器本身没问题。这一步排除了 AppleScript 权限和路径问题。4.2 再测客户端能否拉起服务器重启你的 MCP 客户端在对话里输入「帮我打开 Finder 并把窗口调整到 800x600」。观察客户端日志里有没有macos-desktop服务器的启动记录。如果客户端报「server not found」八成是settings.json路径写错或者command不在 PATH 里。4.3 完整链路验证当客户端能列出macos-desktop的工具列表并且 AI 在收到「打开 Safari」时生成了open_app调用整条链路就通了。你会在客户端里看到工具调用卡片点开能看到参数和返回结果。如果想让验证更直观可以加一个move_file工具让 AI 把桌面上的某个测试文件移到~/Documents/test-archive/。这个动作有明确的文件系统结果比窗口调整更容易确认。提示第一次运行 AppleScript 控制其他应用时macOS 会弹权限请求去「系统设置 → 隐私与安全性 → 自动化」里勾选允许。这一步不勾脚本会静默失败。5. 本篇常见错排查5.1 AppleScript 报「不允许发送事件」这是 macOS 自动化权限没给。终端或你的客户端进程需要在「隐私与安全性 → 自动化」里被授权控制目标应用。如果列表里没有你的进程先手动触发一次操作系统会弹窗询问。5.2 MCP 服务器启动后立刻退出常见原因是readline没保持进程存活或者 stdin 被关闭。检查你的服务器代码有没有在rl.on(line)之外的地方调用了process.exit()。另外客户端如果配置了stdio但服务器往 stdout 打了非 JSON 的日志也会导致解析失败退出。日志一律走 stderr。5.3 工具调用参数类型不对AI 生成的参数可能把width传成字符串800而不是整数800。在服务器端做一层类型转换或者在 schema 里写清楚type: integer。实测下来schema 描述越具体模型传错的概率越低。5.4 路径含空格导致 AppleScript 失败move_file如果直接用osascript -e拼路径遇到带空格的目录名会断掉。解决办法是用quoted form of包路径或者改用 JXA 传参数数组。这是踩过的坑里最常见的一个。5.5 客户端读不到 settings.json不同客户端的配置文件名和位置不一样。有的读项目根目录的.mcp.json有的读用户目录下的settings.json。先确认你的客户端文档里写的加载路径别放错地方。6. 接下来怎么走按场景选入口配置跑通之后下一步取决于你想拿它做什么。如果你主要卡在接入和排障上比如服务器起不来、工具列表读不到、AppleScript 权限反复弹窗建议先把 API Key 和接入文档过一遍API Keys 在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。文档里有完整的请求格式和错误码说明比在客户端日志里猜快得多。如果你想先验证模型对工具调用的理解能力不想一上来就配服务器可以直接在模型对话里试https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 。把工具 schema 贴进去看模型能不能正确生成调用参数这一步能帮你筛掉不合适的模型。如果你打算把桌面自动化做成长期跑的编码或 Agent 工作流比如让 AI 持续监控某个目录、自动整理文件、定时触发脚本那 Coding Plan 更合适https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。它针对长会话和工具调用场景做了优化不用每次手动拼请求。最后补一个实用技巧把常用的 AppleScript 片段封装成独立工具而不是让 AI 每次现写脚本。工具越原子AI 组合起来越稳。比如open_app、move_file、resize_window这三个拆开比一个「帮我整理桌面」的大工具可靠得多。 AI自动化控制电脑的一切操作：用MCP打通macOS桌面自动化的配置骨架
1. 为什么我决定在 macOS 上折腾 MCP 桌面自动化MCPModel Context Protocol是让大语言模型标准化调用外部工具的开放协议你可以把它理解成 AI 的「USB-C 接口」——模型本身只会思考和输出文本接上 MCP 之后它才真正长出「手和眼」能读写文件、控制应用、执行系统命令。macOS 桌面自动化则是把这套能力落到本地让 AI 帮你整理桌面、调整窗口、批量重命名、定时触发脚本。适合谁适合已经用过 Cursor、Claude Desktop 这类客户端想让 AI 从「聊天框」走进「真实桌面」的开发者尤其是手里有一堆重复操作想交给 AI 的人。我试过纯 AppleScript 写自动化痛点很明显脚本要一行行手写改一个逻辑就得重调语法而且 AI 没法直接理解你的意图。MCP 的价值在于把「意图 → 工具调用 → 系统执行」这条链路标准化了。你只需要在配置文件里声明有哪些工具可用AI 就能根据自然语言自己决定调哪个、传什么参数。macOS 本身有 AppleScript 和 JXAJavaScript for Automation两套原生自动化能力MCP 服务器只要把它们包一层AI 就能间接操控整个桌面。这篇不聊虚的直接给你两份能跑的配置骨架config.toml和settings.json再走一遍从配置到触发桌面动作的完整验证流程。目标很明确——你照着填完能亲眼看到 AI 让 Finder 弹出一个窗口或者让某个 App 执行一次操作。2. TaoToken 前置把模型调用这层先打通MCP 负责「AI 调工具」但 AI 本身得先能跑起来。如果你用的是本地模型或者已经配好的客户端这步可以跳过如果你希望用云端模型驱动整个自动化流程就需要一个稳定的模型接入层。TaoToken 在这里的角色是提供兼容 OpenAI 风格的 API 入口让客户端能统一调用不同模型不用为每个模型单独改代码。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。注意 API 地址不带 UTM 参数配置里填这个就行。你需要先拿到 API Key。进入控制台创建密钥https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 然后在 API Keys 页面生成https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。生成后复制那串sk-开头的字符串后面配置里要用。如果你还没决定用哪个模型可以先在模型对话页面试一下https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 。对于桌面自动化这种需要理解工具 schema、生成结构化调用的场景建议选指令遵循能力强的模型不然它可能把参数传错。注意API Key 只显示一次生成后立刻保存到本地密码管理器或环境变量里别直接写进会提交到 Git 的配置文件。3. 可复制配置config.toml 与 settings.json 骨架MCP 的配置分两层一层是 MCP 服务器自己的config.toml声明这个服务器提供哪些工具、每个工具的参数 schema另一层是客户端的settings.json告诉客户端去哪里启动这个服务器、用什么命令。下面两份骨架你可以直接复制改。3.1 config.toml声明 macOS 桌面工具这份配置定义了一个名为macos-desktop的 MCP 服务器暴露三个工具open_app打开应用、move_file移动文件、resize_window调整窗口大小。每个工具的参数用 JSON Schema 描述AI 会根据这个 schema 生成调用参数。# config.toml - macOS 桌面自动化 MCP 服务器配置 [server] name macos-desktop version 0.1.0 description 通过 AppleScript 控制 macOS 桌面操作 [server.transport] type stdio # 本地进程通信用 stdio最省事 [[tools]] name open_app description 打开指定的 macOS 应用程序 [tools.input_schema] type object properties.app_name { type string, description 应用名称如 Safari、Finder } required [app_name] [[tools]] name move_file description 把文件从源路径移动到目标目录 [tools.input_schema] type object properties.source { type string, description 源文件绝对路径 } properties.target_dir { type string, description 目标目录绝对路径 } required [source, target_dir] [[tools]] name resize_window description 调整指定应用主窗口的尺寸 [tools.input_schema] type object properties.app_name { type string, description 应用名称 } properties.width { type integer, description 宽度像素 } properties.height { type integer, description 高度像素 } required [app_name, width, height]这份 TOML 的关键点是transport.type stdio。本地 MCP 服务器最常用的就是标准输入输出通信客户端启动一个子进程通过 stdin/stdout 交换 JSON-RPC 消息。你不需要开端口也不需要处理网络鉴权进程生命周期由客户端管理。3.2 settings.json客户端接入配置客户端这边以常见的 MCP 客户端配置格式为例在settings.json里加一段mcpServers。这里假设你的服务器启动命令是node /Users/you/mcp-macos/server.js实际路径按你的项目改。{ mcpServers: { macos-desktop: { command: node, args: [/Users/you/mcp-macos/server.js], env: { TAOTOKEN_API_KEY: sk-你的密钥, TAOTOKEN_BASE_URL: https://taotoken.net/api } } } }如果你用的是 Python 写的服务器把command改成python3args改成脚本路径即可。env里放 API Key 是为了让服务器内部在需要调用模型做二次判断时能直接读取比如「根据文件内容决定移到哪个目录」这种需要语义理解的场景。注意settings.json如果放在项目目录里记得加进.gitignore别把 Key 提交上去。更稳妥的做法是用系统环境变量配置里只写变量名。3.3 服务器端最小实现骨架配置文件只是声明真正执行动作的是服务器代码。下面是一个 Node.js 最小骨架用child_process调 AppleScript 实现open_app和resize_window。// server.js - 最小 MCP 服务器骨架 const { exec } require(child_process); const readline require(readline); const rl readline.createInterface({ input: process.stdin }); function runAppleScript(script) { return new Promise((resolve, reject) { exec(osascript -e ${script}, (err, stdout) { if (err) reject(err); else resolve(stdout.trim()); }); }); } const tools { open_app: async ({ app_name }) { await runAppleScript(tell application ${app_name} to activate); return 已打开 ${app_name}; }, resize_window: async ({ app_name, width, height }) { const script tell application ${app_name} to set bounds of front window to {0, 0, ${width}, ${height}}; await runAppleScript(script); return ${app_name} 窗口已调整为 ${width}x${height}; }, }; rl.on(line, async (line) { const msg JSON.parse(line); if (msg.method tools/call) { const { name, arguments: args } msg.params; const result await tools[name](args); process.stdout.write(JSON.stringify({ id: msg.id, result }) \n); } });这段代码只处理了tools/call真实场景还要处理tools/list、初始化握手等但作为验证骨架够用了。重点是让你看到MCP 服务器本质就是一个「收到 JSON-RPC 请求 → 执行本地操作 → 返回结果」的进程。4. 验证请求从配置到触发一次桌面动作配置写完怎么确认它真的通了分三步走。4.1 先单独测服务器进程在终端里直接跑服务器手动喂一条 JSON-RPC 请求看它能不能正确调 AppleScript。echo {id:1,method:tools/call,params:{name:open_app,arguments:{app_name:Finder}}} | node server.js如果 Finder 被激活到前台终端输出类似{id:1,result:已打开 Finder}说明服务器本身没问题。这一步排除了 AppleScript 权限和路径问题。4.2 再测客户端能否拉起服务器重启你的 MCP 客户端在对话里输入「帮我打开 Finder 并把窗口调整到 800x600」。观察客户端日志里有没有macos-desktop服务器的启动记录。如果客户端报「server not found」八成是settings.json路径写错或者command不在 PATH 里。4.3 完整链路验证当客户端能列出macos-desktop的工具列表并且 AI 在收到「打开 Safari」时生成了open_app调用整条链路就通了。你会在客户端里看到工具调用卡片点开能看到参数和返回结果。如果想让验证更直观可以加一个move_file工具让 AI 把桌面上的某个测试文件移到~/Documents/test-archive/。这个动作有明确的文件系统结果比窗口调整更容易确认。提示第一次运行 AppleScript 控制其他应用时macOS 会弹权限请求去「系统设置 → 隐私与安全性 → 自动化」里勾选允许。这一步不勾脚本会静默失败。5. 本篇常见错排查5.1 AppleScript 报「不允许发送事件」这是 macOS 自动化权限没给。终端或你的客户端进程需要在「隐私与安全性 → 自动化」里被授权控制目标应用。如果列表里没有你的进程先手动触发一次操作系统会弹窗询问。5.2 MCP 服务器启动后立刻退出常见原因是readline没保持进程存活或者 stdin 被关闭。检查你的服务器代码有没有在rl.on(line)之外的地方调用了process.exit()。另外客户端如果配置了stdio但服务器往 stdout 打了非 JSON 的日志也会导致解析失败退出。日志一律走 stderr。5.3 工具调用参数类型不对AI 生成的参数可能把width传成字符串800而不是整数800。在服务器端做一层类型转换或者在 schema 里写清楚type: integer。实测下来schema 描述越具体模型传错的概率越低。5.4 路径含空格导致 AppleScript 失败move_file如果直接用osascript -e拼路径遇到带空格的目录名会断掉。解决办法是用quoted form of包路径或者改用 JXA 传参数数组。这是踩过的坑里最常见的一个。5.5 客户端读不到 settings.json不同客户端的配置文件名和位置不一样。有的读项目根目录的.mcp.json有的读用户目录下的settings.json。先确认你的客户端文档里写的加载路径别放错地方。6. 接下来怎么走按场景选入口配置跑通之后下一步取决于你想拿它做什么。如果你主要卡在接入和排障上比如服务器起不来、工具列表读不到、AppleScript 权限反复弹窗建议先把 API Key 和接入文档过一遍API Keys 在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。文档里有完整的请求格式和错误码说明比在客户端日志里猜快得多。如果你想先验证模型对工具调用的理解能力不想一上来就配服务器可以直接在模型对话里试https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 。把工具 schema 贴进去看模型能不能正确生成调用参数这一步能帮你筛掉不合适的模型。如果你打算把桌面自动化做成长期跑的编码或 Agent 工作流比如让 AI 持续监控某个目录、自动整理文件、定时触发脚本那 Coding Plan 更合适https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。它针对长会话和工具调用场景做了优化不用每次手动拼请求。最后补一个实用技巧把常用的 AppleScript 片段封装成独立工具而不是让 AI 每次现写脚本。工具越原子AI 组合起来越稳。比如open_app、move_file、resize_window这三个拆开比一个「帮我整理桌面」的大工具可靠得多。