五分钟配好向日葵 MCP,让 AI 替你远程安装 OpenClaw!

简介: 本文详解向日葵MCP的实战配置与应用:将远程控制能力接入AI,实现“一句话操作另一台电脑”。支持截图查看桌面、自动打开浏览器搜索、远程执行命令等,无需写脚本,配置简单,即刻上手。

前言

最近 MCP 这个词是真有点刷屏,感觉什么工具都想接一下。向日葵也出了个 MCP Server,把自己的远程控制能力接给 AI 用。

我一开始其实也没太当回事,直到我随口对 AI 说了句:帮我看看家里电脑桌面上有啥。结果它真自己连上去,截了张图回来。

我突然想到几个有意思的点子,比如让 AI 帮我在游戏里搬砖、远程安装软件之类的,或许可以通过这个 MCP 来实现。

所以这篇我也不讲虚的,直接带大家把它配起来,再看看这玩意儿到底能帮上什么忙。

是什么?

  • MCP 可以理解成 AI 调外部工具的一套接口;
  • 向日葵 MCP 干的事,就是把“远程控制另一台电脑”这项能力接进去。

以前 AI 只会在对话框里跟你聊,现在它等于多了一双能伸到另一台电脑上的手。你说一句话,它就能去连设备、看屏幕、点鼠标、跑命令。

怎么用?

我这里按自己跑通的流程来讲,整体并不复杂。

先准备这几个东西

  • 主控端(你正在用的电脑):安装最新的beta版向日葵客户端。
  • 被控端(你要远程操作的电脑):同样安装好向日葵并登录。
  • AI 支持:任何支持 MCP 的 AI 客户端都可以,这里我用 Cursor 和 Codex CLI 进行演示。

不过有个前提得先说在前面:你需要先手动远控一次被控端,把密码验证这一步走完,并且选择保存密码,否则 AI 是无法登录上被控端的。

第一步:把向日葵 MCP 打开

打开向日葵客户端,找到【向日葵MCP】,把「启用MCP服务器」打开。

服务类型选 Stdio 就行,这种比较省事。然后它会给你生成一段配置,其实它后面都有告诉你怎么去配置AI客户端的,如果你选不同的类型,它也会给你生成不同的配置。

Codex 的配置长这样:

[mcp_servers.awesun-mcp-server]
command = "/Applications/AweSun.app/Contents/Helpers/awesun-mcp-server"
[mcp_servers.awesun-mcp-server.env]
AWESUN_API_URL = "http://127.0.0.1:8908"
AWESUN_API_TOKEN = "xxxxxxxxxxxx"

Cursor 的话就用通用配置,长这样:

{
  "mcpServers": {
    "awesun-mcp-server": {
      "command": "/Applications/AweSun.app/Contents/Helpers/awesun-mcp-server",
      "env": {
        "AWESUN_API_URL": "http://127.0.0.1:8908",
        "AWESUN_API_TOKEN": "xxxxxxxxxxxxxx"
      }
    }
  }
}

第二步:把配置塞进 AI 客户端

我这里拿 CursorCodex CLI 举例,你平时用哪个就配哪个,其他的其实也大差不差的。

Cursor 配置

打开 Cursor,进入设置里的 MCP 配置页面,点击 “New MCP Server”。然后在打开的文件里面粘贴进去刚刚那一段内容就好了。

Codex CLI 配置

如果你平时更习惯命令行,那 Codex CLI 也能接。在它的 config.toml 配置文件里把向日葵那段配置加进去就行:

# Codex 的 MCP 配置文件
vim ~/.codex/config.toml

状态测试

配完以后先测试一下是否成功了,可以发一句:

帮我查一下当前有哪些在线设备

如果 AI 能把设备列表和在线状态回出来,说明这条链路已经通了。正常来说,这一套配下来用不了多久。

实战测试

光把配置填完没啥意思,关键还是看它到底能不能真帮你干活。

场景一:帮我看看家里电脑桌面上有什么

我最先试的,就是这个最朴素的需求。我直接在 Codex 里对 AI 说:

帮我连接到lkeren的电脑,截个图看看桌面上有什么,把截图放到 Download 文件夹下

这时候你能明显看出来,它不是在那一本正经地“脑补答案”,而是真的开始做事了:先找设备,再发起远程连接,然后截一张屏回来,最后再根据截图内容告诉我桌面上有什么。

场景二:帮我在远程电脑上打开浏览器搜个东西

场景一展示的是,这次我想试试它能不能真的动手操作。

帮我连接到lkeren的电脑,打开浏览器,搜索一下 向日葵 MCP 配置指南

这一次 AI 的操作明显复杂了不少:先截屏看当前桌面状态,识别出桌面上的浏览器图标,然后通过桌面自动化操作双击打开浏览器,等页面加载完成后再截屏确认,接着在搜索框里输入关键词、回车搜索,最后再截一张搜索结果的图回传给我。

整个过程就是「截屏 → 视觉识别 → 执行操作」不断循环,AI 每一步都在 当前屏幕是什么状态,然后决定下一步该干什么。说实话,看着它自己在那操作,有一种“我的电脑活了”的感觉。

我发现它还可以启动并且操作远程电脑的命令行,这个能力非常适合远程帮别人安装软件。
比如最近很火的 OpenClaw 远程安装,以前你只能手动一个一个的安装,现在用了向日葵 MCP ,你就可以同时帮很多人安装了。

尾声

我用下来最大的感受,不是它有多炫,而是它真的把“远程控制”这件事变简单了。

以前你要远程搞点事,通常得自己连过去,然后人工一步一步点。

而现在很多场景下,直接跟 AI 说话就能搞定。你不用懂什么远控协议,也不用自己写脚本,把开关打开、配置贴进去,它自己就能开始干活。

感兴趣的朋友,不妨自己去试试。如果本文对你有帮助的话,也不要忘了点个赞噢~

向日葵 MCP:https://sunlogin.oray.com/ai/mcp/

MCP 配置指南:https://service.oray.com/question/50091.html

内容来自“阿杆”

目录
相关文章
|
21天前
|
人工智能 运维 监控
OpenClaw接入向日葵MCP实战:自动给另一台电脑装OpenClaw
通过 MCP 插件化架构,将向日葵远程控制能力集成至 OpenClaw,使 AI 具备远程键鼠模拟、文件互传、多设备管理能力。可实现无人值守批量装机、跨平台文件同步、手机端遥控多主机。支持权限校验与操作审计,生产环境可安全验证,大幅提升运维与部署效率。
561 9
|
17天前
|
人工智能 运维 应用服务中间件
当 AI 学会远程操控:向日葵 MCP Server 从配置到实战
向日葵MCP Server基于Anthropic提出的MCP协议,将成熟远程控制能力封装为AI可调用的标准接口,赋予大模型“动手能力”:支持跨设备远程操控、命令执行与智能桌面自动化,兼容Windows/macOS及Claude Code等主流AI平台,真正实现AI隔空办事。(239字)
263 9
|
18天前
|
人工智能 监控 安全
OpenClaw 玩家请注意:1.5W+精选技能,这可能是养虾必备之安全、稳定、简单的技能搭子
虾小宝是一个专注于 AI Agent Skills 发现与优化的社区,你可以手动或指挥你的“龙虾”在网站中匹配、下载所需要的技能。目前上架了1.5W+实用技能,全量通过AI进行了安全检测,并持续通过人工来校验技能的可执行性,不断维护。
|
1月前
|
人工智能 运维 自然语言处理
喂饭级教程:OpenClaw阿里云/本地部署+K8s MCP 配置自动化管理容器集群,打造AI运维助手!
在AIOps领域,OpenClaw的爆火为运维工作带来了新可能——通过AI代理能力对接Kubernetes MCP(Management Communication Protocol),可实现容器集群的自动化监控、故障排查与资源管理。但OpenClaw对MCP的原生支持并不友好,需通过适配MCP客户端、封装专属技能,才能让AI真正接管运维任务。
2104 130
|
18天前
|
人工智能 数据可视化 安全
用 OpenJudge 搭建 AI 论文审稿工作流:从评估器到在线审稿的完整实践
本文介绍基于开源评估框架OpenJudge构建的AI辅助论文审稿方案,支持PDF上传后自动生成含安全性检查、正确性分析、综合评审、严重性分级及参考文献校验的结构化报告,已上线可直接体验。
295 8
|
21天前
|
JSON 安全 API
[大模型实战 08 - 完结篇] 告别孤岛:拥抱 MCP 协议,为大模型打造标准“USB 接口”
本文将带你走出 Agent 开发的“重复造轮子”困境,深入浅出地理解 MCP协议。我们将动手把之前写的博客监控与通知工具,封装成标准的 MCP Server,并无缝接入 OpenCode 客户端。
362 14
|
17天前
|
安全 JavaScript Linux
OpenClaw从入门到精通:云端/本地部署、必备Skill安装、免费大模型API对接与问题一站式解决方案
在AI Agent快速普及的2026年,OpenClaw凭借灵活的Skill扩展机制、轻量化部署架构与多平台适配能力,成为个人与团队高效办公、代码开发、信息处理的核心工具。全新安装的OpenClaw仅具备基础对话、文件操作与简单代码编写能力,缺乏联网搜索、浏览器自动化、社交媒体交互、图像生成、主动任务迭代等实用功能,必须通过ClawHub上的Skill扩展才能释放全部潜力。目前ClawHub Skill数量突破25000个,盲目安装易导致功能冲突、上下文过载,因此精选高效、稳定、安全的Skill至关重要。
987 1
|
20天前
|
人工智能 自然语言处理 监控
AI生成内容幻觉检测技术难点:从事实核查到逻辑溯源的深层挑战
幻觉检测面临知识边界模糊、推理链条黑箱及实时性滞后三大核心难题。百搜科技、哈耶普斯广告、智擎营销、DOUBAOMKT及doubaoAD等服务商正通过构建权威知识库与自研监测系统,尝试在GEO服务中突破这一技术瓶颈,确保品牌信息的准确呈现。
|
24天前
|
缓存 JSON API
玩转纳斯达克与纽交所:美股数据 API 对接全指南
本文手把手教你用StockTV API对接美股(NYSE/NASDAQ)实时行情、专业K线及IPO数据,支持WebSocket极速推送、多维技术指标与全交易所覆盖,助你快速构建低延迟量化交易或金融App。(239字)
|
16天前
|
机器学习/深度学习 安全 测试技术
构建真实项目OpenClaw框架:与大模型协作及共同反思
基于已有的分脚本人工操作项目框架,与大模型讨论封装skills,agents及OpenClaw接口,部分成功,部分失败。出现了严重的上下文断裂,开始生成虚拟的抽象框架代码。用户觉察指出,并重新提示锚定原则与规范后,大模型仍间歇出现所谓“稀疏注意力“不对齐用户上下文现象。最有趣的是之后关于这些现象的讨论,涉及到窗口稀疏注意力、OpenClaw适用于长程工程性、用户与大模型的交互模式等。尤其是大模型的反思以及提出的各种机制解释,可读,可借鉴,比如所谓”三层次把握难题:逻辑推理、代码构建、文本实体,三者兼顾直接与与大模型transformers架构冲突“的提法。以下为失败后的讨论实录节选。

热门文章

最新文章