terminator
Terminator 是一款专为 Windows 电脑设计的开源自动化工具,被誉为"Windows 版的 Playwright"。它的核心功能是赋予 AI 助手(如 Claude、Cursor、VS Code 等)直接操控你整个桌面的能力,从而跨应用自动执行复杂任务。
过去,让 AI 操作本地软件往往需要复杂的配置或牺牲当前的工作流。Terminator 通过独特的 MCP(模型上下文协议)代理技术解决了这一痛点:它能复用你浏览器中已有的登录状态和 Cookie,无需重新认证;更重要的是,它在后台静默运行,不会抢占你的鼠标和键盘,让你能一边工作一边让 AI 处理琐事。
这款工具特别适合开发者、测试人员以及希望提升效率的技术爱好者。无论是自动在 GCP 创建实例并连接 CLI,还是分析 Vercel 日志排查错误,亦或是根据最新代码提交测试新功能,Terminator 都能轻松胜任。其技术亮点在于结合了像素识别、DOM 解析和无障碍树(Accessibility tree)三种维度来定位元素,确保了极高的操作可靠性。如果你正在寻找一种既能深度集成到现有开发环境(如 Cursor、VS Code),又能安全高效地实现电脑端自动化操作的方案,Terminator 是一个值得尝试的选择。
使用场景
某全栈开发者需要在每天早晨快速验证昨晚部署到 Vercel 的生产环境应用,并同步检查云服务商(GCP)上的实例运行状态。
没有 terminator 时
- 重复登录繁琐:每次自动化脚本启动无头浏览器都需要重新输入账号密码或配置复杂的 Cookie,难以维持已登录的会话状态。
- 工作流被打断:传统的 UI 自动化工具会独占鼠标和键盘,导致开发者在脚本运行时无法并行处理其他紧急任务。
- 定位元素脆弱:仅依赖 DOM 选择器的脚本极易因页面微调而失效,缺乏对像素级视觉反馈或无障碍树(Accessibility Tree)的综合判断能力。
- 跨应用协作困难:需要在浏览器、本地终端和云控制台之间手动切换复制粘贴数据,难以形成闭环的自动化流程。
使用 terminator 后
- 无缝复用会话:terminator 直接接管开发者当前已登录的浏览器窗口,保留所有 Cookie 和认证信息,无需任何额外的登录步骤。
- 后台静默运行:它在后台独立控制桌面操作,完全不占用开发者的鼠标和键盘,允许人机并行工作互不干扰。
- 多维可靠感知:结合像素、DOM 和无障碍树三重维度进行元素定位,即使页面布局发生微小变化也能精准识别,大幅提升稳定性。
- 全域任务编排:通过 MCP 协议让 AI 助手自由穿梭于浏览器、终端和系统应用之间,一键完成从“查看 Vercel 报错日志”到"GCP 重启实例”的跨端操作。
terminator 通过将完整的桌面控制权安全地赋予 AI 助手,彻底打破了应用程序间的壁垒,实现了真正意义上的人类与 AI 并行协作的自动化工作流。
运行环境要求
- Windows
未说明
未说明

快速开始

计算机使用MCP,掌控你的整个桌面
赋予AI助手(Claude、Cursor、VS Code等)控制你桌面并跨任何应用程序自动化任务的能力。
Claude代码(一行命令):
claude mcp add terminator "npx -y terminator-mcp-agent@latest"
其他客户端(Cursor、VS Code、Windsurf等):
添加到你的MCP配置文件:
{
"mcpServers": {
"terminator-mcp-agent": {
"command": "npx",
"args": ["-y", "terminator-mcp-agent@latest"],
"env": {
"LOG_LEVEL": "info",
"RUST_BACKTRACE": "1"
}
}
}
}
详细设置说明请参阅MCP Agent README。
为什么选择Terminator MCP?
- 利用你的浏览器会话——无需重新登录,保留所有Cookie和认证信息。
- 不接管你的鼠标或键盘——在后台运行,不会干扰你的工作。
- 跨所有维度工作——像素、DOM和无障碍树,确保最高可靠性。
使用场景
- 在GCP上创建新实例,并通过CLI连接;
- 检查Vercel上的日志,找出最常见的错误;
- 根据最近的提交测试我的应用新功能。
最新动态
- 01/09/26 — Mediar IDE(用于Windows自动化的Cursor)已公开发布——立即下载
- 10/30 公开alpha版本上线——用于Windows自动化的Cursor
- 09/26 Terminator曾登上Cohere Labs播客,同时可查看幻灯片
- 08/25 重大更新——NodeJS SDK支持YAML工作流,可在浏览器中运行JS,记录操作系统事件并生成MCP YAML,等等。
- 08/25 我们筹集了280万美元,旨在为每台电脑赋予AI操控能力
为什么选择Terminator
对于开发者
- 创建可在任何桌面应用或浏览器中工作的自动化流程;
- 运行速度比ChatGPT Agents、Claude、Perplexity Comet、BrowserBase、BrowserUse快100倍(确定性执行,依赖CPU速度,并具备AI恢复能力);
- 成功率超过95%,远高于大多数炒作的计算机辅助产品;
- MIT许可——可自由fork、部署,无锁定风险。
我们通过预训练确定性代码来实现这一点,仅在需要恢复时调用AI。
对于团队
我们的公开测试版工作流构建器 + 托管服务:
- 录制并映射你的流程,在无需技术背景的情况下实施工作流;
- 部署AI以超过95%的成功率执行这些流程,而无需管理数百台Windows虚拟机;
- 杀死重复性工作,摆脱传统RPA的复杂性及其高昂的实施与维护成本。
功能支持
Terminator 目前仅支持 Windows。macOS 和 Linux 尚未提供支持。
| 功能 | Windows | macOS | Linux | 备注 |
|---|---|---|---|---|
| 核心自动化 | ||||
| 元素定位器 | 是 | 否 | 否 | 可通过 name、role、window 等属性查找元素。 |
UI 操作(click、type) |
是 | 否 | 否 | 核心的 UI 元素交互操作。 |
| 应用程序管理 | 是 | 否 | 否 | 启动、列出并管理应用程序。 |
| 窗口管理 | 是 | 否 | 否 | 获取当前活动窗口、列出所有窗口。 |
| 高级功能 | ||||
| 浏览器自动化 | 是 | 否 | 否 | 通过 Chrome 扩展实现浏览器控制。 |
| 工作流录制 | 是 | 否 | 否 | 录制人工工作流以实现确定性自动化。 |
| 显示器管理 | 是 | 否 | 否 | 支持多显示器。 |
| 屏幕与元素截图 | 是 | 否 | 否 | 截取显示器或特定元素的屏幕截图。 |
| 库 | ||||
Python (terminator.py) |
部分 | 否 | 否 | pip install terminator |
TypeScript (@mediar-ai/terminator) |
是 | 否 | 否 | npm i @mediar-ai/terminator |
Workflow (@mediar-ai/workflow) |
是 | 否 | 否 | npm i @mediar-ai/workflow |
CLI (@mediar-ai/cli) |
是 | 否 | 否 | npm i @mediar-ai/cli |
KV (@mediar-ai/kv) |
是 | 否 | 否 | npm i @mediar-ai/kv |
MCP (terminator-mcp-agent) |
是 | 否 | 否 | npx -y terminator-mcp-agent --add-to-app [app] |
Rust (terminator-rs) |
是 | 否 | 否 | cargo add terminator-rs |
图例:
- 是:支持——该功能稳定且经过充分测试。
- 部分:部分支持 / 实验性——该功能仍在开发中,可能存在限制。
- 否:在该平台上不可用。
如何检查辅助功能元素(如 name:Seven)
要创建可靠的选择器(例如 name:Seven、role:Button、window:Calculator),您需要检查 Windows 辅助功能树:
Windows
- 工具: Accessibility Insights for Windows
- 替代方案: Inspect.exe(随 Windows SDK 提供)
- 使用方法: 打开您想要检查的应用程序 → 启动 Accessibility Insights → 使用鼠标悬停或键盘导航浏览 UI 树(名称、角色、控件类型、AutomationId)。
这些工具会显示用于 Terminator 选择器的
Name、Role、ControlType等元数据。
平台支持
| 平台 | CLI | MCP 代理 | 自动化 | 安装方式 |
|---|---|---|---|---|
| Windows | 是 | 是 | 是 | npm/bunx |
注意: Terminator 目前仅支持 Windows。macOS 和 Linux 的支持尚未提供。
故障排除
如需详细的故障排除、调试信息以及 MCP 服务器日志,请发送消息给我们。
贡献
欢迎贡献!请随时提交问题和拉取请求。许多部分仍处于实验阶段,您的帮助将不胜感激。
版本历史
v0.24.322026/04/05v0.24.312026/04/02v0.24.302026/03/17v0.24.292026/03/13v0.24.282026/01/28v0.24.272026/01/28v0.24.262026/01/28v0.24.252026/01/27v0.24.242026/01/27v0.24.232026/01/27v0.24.222026/01/27v0.24.212026/01/20v0.24.202026/01/13v0.24.192026/01/09v0.24.182026/01/09v0.24.172026/01/08v0.24.162026/01/08v0.24.152026/01/06v0.24.142026/01/06v0.24.132026/01/04相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
opencode
OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。