ui-element-ops
MCP Serverby murongg
clawhub⭐ 07/10
将UI截图解析为结构化元素JSON（含类型、OCR文本、边界框），并可基于解析元素操作桌面UI。适用于检测或定位UI元素。
将桌面UI截图解析为含类型、OCR文本、边界框的结构化JSON，并基于解析结果直接执行桌面UI操作，实现视觉驱动的桌面自动化。
📊 商业分析
商业模式
freemium
独特价值
截图自动解析UI元素为结构化JSON并直接驱动桌面操作
竞品
1. PyAutoGUI+OpenCV（开源但无AI语义理解，需手写坐标逻辑）；2. Playwright/Selenium（仅限Web，不支持桌面原生UI）；3. SikuliX（基于图像匹配，无OCR结构化输出，维护停滞）
🎯 应用场景
目标用户
RPA开发者测试工程师AI Agent开发者
工具信息
- 类型
- MCP Server
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 7/10
- 子分类
- 桌面UI自动化与视觉解析
- 可商业化
- ✅ 是
AI 标签
桌面自动化UI元素识别OCR解析RPA增强视觉Agent
相关工具推荐
skill-creatorSKILL
由Anthropic官方出品，支持从零创建AI Skill、编辑优化现有Skill、运行评估测试并进行方差分析的性能基准对比，实现AI能力工程化闭环管理。
9/10⭐ 86,759
conversation-memorySKILL
为LLM对话提供短期、长期、实体三层持久化记忆系统，让AI真正记住用户，支持跨会话上下文延续与知识积累。
9/10⭐ 22,346
self-improvingSKILL
具备自我反思、自我批评、持续学习与记忆组织能力的自进化Agent，自动评估并永久改进输出质量，无需人工反复校正。
9/10⭐ 638
proactive-agentSKILL
将AI Agent从被动任务执行者升级为主动预判伙伴，内置WAL协议、工作缓冲区与自主定时任务，支持持续自我改进的智能体框架
9/10⭐ 628
cellcogSKILL
DeepResearch Bench排名第一的全模态AI代理框架。通过多代理编排实现深度推理与文本、图像、音频、视频等全模态融合,支持复杂任务自动化。
9/10⭐ 6