Screenhand
★ 15
vs
ocr-mcp
★ 23
Screenhand vs ocr-mcp
Screenhand：ScreenHand 是一个开源的 MCP 服务器，为 macOS 和 Windows 上的 AI 代理提供原生桌面控制。它整合了辅助功能API、UI自动化、OCR和Chrome DevTools协议，以实现与应用程序和浏览器的快速、强大的交互，包括多智能体协调和后台作业处理。；ocr-mcp：OCR-MCP是一个完整的AI OCR网页应用和MCP服务器。它提供用于拖放OCR、扫描和批处理的Web界面，以及一个用于Claude、Cursor、Windsurf等智能IDE的FastMCP服务器。支持13种OCR引擎、WIA扫描仪、预处理和工作流管道。
01
简评
ScreenhandVision / Multimodal · ★ 15
AI驱动的桌面应用程序UI调试和检查。
ocr-mcpVision / Multimodal · ★ 23
将OCR功能集成到AI代理（Claude、Cursor）中
02
并排对比
字段
Screenhandocr-mcp分类
视觉/多模态
视觉/多模态
Stars
★ 15
★ 23
许可证
AGPL-3.0
MIT
安装方式
git clone https://github.com/manushi4/screenhand.git && cd screenhand && npm install && npm run build:native
git clone https://github.com/sandraschi/ocr-mcp.git && cd ocr-mcp && uv sync
更新时间
6个月前
1周前
开源
是
是
标签
桌面自动化, AI集成, UI自动化
agentic-workflow, FastMCP, MCP 协议
03
功能特性
Screenhand01通过辅助功能/UI 自动化实现 macOS 和 Windows 的原生 UI 控制。
02通过 DevTools 协议实现后台 Chrome 浏览器控制。
03包含82个工具的广泛工具集，用于跨应用自动化和数据提取。
04通过会话租约和停滞检测实现多智能体协调。
05持久化学习记忆和后台作业处理守护程序。
ocr-mcp0113种OCR后端（PaddleOCR、Mistral OCR等）
02自动选择后端
03预处理（去歪斜、增强、裁剪）
04布局和表格提取
05批处理和管道处理
04
使用场景
Screenhand↳AI驱动的桌面应用程序UI调试和检查。
↳通过 Chrome CDP 自动化浏览器任务，如填写表单、数据抓取和执行JavaScript。
↳通过在不同桌面应用之间串联操作来创建跨应用工作流。
↳协调多个AI智能体同时控制不同的应用程序窗口，避免冲突。
↳使用工作守护程序在后台持续处理多步自动化作业。
ocr-mcp↳将OCR功能集成到AI代理（Claude、Cursor）中
↳使用WIA扫描仪对扫描文档运行OCR
↳批量处理文档并转换为文本/PDF/JSON
FAQ
常见问题
Screenhand 和 ocr-mcp 有什么区别？
Screenhand 和 ocr-mcp 都属于 Vision / Multimodal 类别。Screenhand 有 15 Stars，ocr-mcp 有 23 Stars。
Screenhand 和 ocr-mcp 哪个更好？
最佳选择取决于你的具体需求。AI驱动的桌面应用程序UI调试和检查。 时选 Screenhand，将OCR功能集成到AI代理（Claude、Cursor）中 时选 ocr-mcp。
Screenhand 是免费的吗？
是的，Screenhand 在 GitHub 开源（AGPL-3.0）。
ocr-mcp 是免费的吗？
是的，ocr-mcp 在 GitHub 开源（MIT）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→