EasyTouch

中文 | English

跨平台系统自动化操作工具，支持 Windows、Linux、macOS。提供 CLI 命令行和 MCP 服务器两种使用方式，支持鼠标键盘控制、屏幕截图、窗口管理、系统信息查询等功能。

目前支持以下操作系统的 x64 和 ARM64 两种 CPU 架构：

• [x] Windows
• [x] Linux
• [x] MACOS（目前缺少设备验证功能）

你能用它做什么？

大家平时使用各类 AI 编程工具，写页面是不是经常碰到 AI 写的页面怎么也不满意，写出来跟设计稿差异很大，这是因为 AI 只能通过读写代码来改进代码，它看不到界面，不像人类有感官。

如果你想通过 OpenClaw 接入微信、飞书，让它截图桌面发给你，但是 OpenClaw 像弱智一样搞不好，或者你希望 AI 能够操作你电脑的设备为你工作，那么 EasyTouch 非常适合你。

因为 EasyTouch 是给 AI 装上手和眼睛，它支持以下功能：

• 系统信息：系统、CPU、内存、磁盘、进程
• 屏幕能力：显示器枚举、像素取色、截图
• 窗口控制：枚举、查找、激活、关闭、前台窗口读取
• 输入控制：鼠标移动/点击/滚轮，键盘按键/组合键/输入/粘贴
• 剪贴板：读文本、写文本、读文件列表
• 等待器：等待窗口、焦点、像素、剪贴板、进程状态
• 应用启动：按路径或 URI 启动目标

安装

推荐安装带初始化 helper 的聚合包；如果你只想安装当前系统，也可以直接安装对应平台包：

# 推荐：聚合包，执行 easytouch init 生成 et
npm i -g @whuanle/easytouch

# 只安装当前系统的平台包
npm i -g easytouch-windows
npm i -g easytouch-linux
npm i -g easytouch-macos

@whuanle/easytouch 会在包内直接附带 Windows、Linux、macOS 的 x64 和 arm64 原生二进制。执行 easytouch init 后，会按当前主机平台和 CPU 架构复制出真正可直接调用的 et 文件。

初始化命令：

# 聚合包
easytouch init

# 只安装当前系统的平台包时
easytouch-windows init
easytouch-linux init
easytouch-macos init

init 默认会把原生文件写回安装包目录，并同步刷新 et 命令入口。

使用示例

以下示例假设你已经通过 init 生成好了原生 et：

截取屏幕。

 et screen capture --path a.png

作为 Skills 给 AI 使用（推荐）

只需要执行命令安装 skills 即可。

npx skills add https://github.com/whuanle/EasyTouch

注：skills 里面不带脚本，需提前安装当前平台包，第一次使用 AI 会自动安装，或者手动安装，例如 npm i -g easytouch-windows、npm i -g easytouch-linux 或 npm i -g easytouch-macos。

作为 MCP 工具使用

如果只是给 AI 工具使用，建议使用 skills 即可，配置 MCP 可能会麻烦一些。

在 Claude、Cursor、VS Code、Sidecar 等工具中，配置 MCP 的方式基本一致。通过 npm 安装后，推荐先执行包内 init.js，把当前操作系统和 CPU 对应的原生二进制复制成真正的 et 程序，然后让 MCP 直接调用这个原生文件。这样可以避免 et.cmd、et.sh、npx.cmd 这类桥接层。

在配置文件中添加：

全局安装后（推荐）

如果你已经全局安装了聚合包，可以直接使用 helper 命令生成原生 et：

npm i -g @whuanle/easytouch
easytouch init

默认会把 et 生成到全局安装目录下的包目录里，并同步刷新全局 et 命令。

默认路径通常是：

• Windows：<npm root -g>/@whuanle/easytouch/et.exe
• Linux / macOS：<npm root -g>/@whuanle/easytouch/et

全局命令入口通常是：

• Windows：<npm prefix -g>/et.cmd
• Linux / macOS：<npm prefix -g>/bin/et

如果需要查看你自己机器上的真实路径，可以执行：

npm root -g
npm prefix -g

也可以显式指定输出位置：

easytouch init --output <你想放置 et 的路径>

如果你安装的是平台包，初始化命令分别是 easytouch-windows init、easytouch-linux init、easytouch-macos init。

生成完原生文件后，MCP 直接调用这个文件即可：

{
  "mcpServers": {
    "easytouch": {
      "command": "et",
      "args": ["mcp-stdio"]
    }
  }
}

如果宿主程序不走 PATH，再改成 npm prefix -g 或 npm root -g 对应的实际路径。

语义元素定位

当截图交给 AI 后，单靠图片反推点击坐标通常不够稳定。EasyTouch 现在支持先读取当前窗口的语义元素树，再按元素查找、等待、点击或 invoke：

et element tree --output json
et element find --name "确定" --control-type Button --output json
et wait element --name "保存" --control-type Button --timeout-ms 5000 --output json
et element click --element-id root/0/3 --output json
et element invoke --element-id root/0/3 --output json

说明：

• element tree 默认读取当前前台窗口，也可以通过 --window-handle 指定目标窗口。
• 返回结果里会包含 element_id、control_type、automation_id、class_name、framework_id、center、bounds 和 children，适合让 AI 像读 HTML DOM 一样选元素。
• element find 会基于 element_id、name、automation_id、class_name、control_type、framework_id 搜索元素树，并返回第一个匹配元素。
• wait element 会轮询元素树，直到匹配元素出现，适合弹窗、延迟渲染按钮、异步加载表单等场景。
• element click 会重新解析 element_id，激活目标窗口，再点击元素中心点，不需要 AI 自己从截图里估算坐标。
• element invoke 当前会走平台语义动作或元素中心点击回退，适合让模型统一表达“点这个控件”。
• 还可以用 --max-depth、--max-children、--max-nodes 控制树的规模，避免把过大的界面树一次性都送给模型。

平台说明：

• Windows：通过 UI Automation + PowerShell 工作。
• Linux：依赖 python3 或 python 能导入 pyatspi，点击回退依赖 xdotool，当前以 X11/XWayland 会话为主。
• macOS：依赖 osascript + System Events UI Scripting，宿主进程需要授予 Accessibility 和 Automation 权限。

平台说明

Windows

• 完全支持所有功能
• 部分功能可能需要管理员权限

Linux

• 官方验证环境：Ubuntu Desktop（22.04 / 24.04）
• 其他发行版和桌面环境为 best-effort，建议先用测试脚本验证
• 建议在图形界面环境中使用（优先 X11 会话）
• 有些功能可能需要 sudo 管理员权限

Linux 依赖可手动安装（Ubuntu）：

# 基础依赖（推荐）
sudo apt install xdotool xclip xsel imagemagick gnome-screenshot

# Wayland 补充依赖（按需）
sudo apt install ydotool wl-clipboard grim

安装后可执行脚本测试兼容性：

node scripts/test-easytouch.js --cli-only --verbose

macOS

• 需要授予辅助功能权限（系统设置 → 隐私与安全性 → 辅助功能）
• 截图功能需要屏幕录制权限

许可证

MIT License