Computer-use MCP: управление ПК через Claude, Cursor, Codex | AiManual
AiManual Logo Ai / Manual.
14 Май 2026 • Инструмент

Computer-use MCP: как управлять несколькими компьютерами через Claude, Cursor и Codex (готовое решение)

Обзор MCP-сервера для мульти-машинного управления. Настройка, примеры, сравнение с альтернативами. Кому подходит инструмент.

Допустим, у вас три машины: рабочая станция с Windows, сервер на Ubuntu под столом и MacBook для попутных экспериментов. И вы хотите, чтобы ИИ сам ползал по ним, запускал скрипты, перекладывал файлы, чинил ошибки. Можно, конечно, вручную писать SSH-команды, но это скучно. Есть инструмент, который затачивает Claude, Cursor и Codex на роль распределённого системного администратора. Знакомьтесь - Computer-use MCP.

Что под капотом?

Computer-use MCP - это MCP-сервер (Model Context Protocol), который превращает любой компьютер, подключенный по SSH или локально, в управляемый узел для AI-агентов. Он не просто выполняет команды - он даёт нейросети полноценный доступ к файловой системе, среде и даже GUI (через VNC или Xvfb). Архитектура простая: центральный сервер видит список хостов, а клиенты (Claude Desktop, Cursor, Codex) через стандартный MCP-протокол отправляют запросы.

Ключевая фишка - поддержка multi-host. Вы передаёте промпт типа «на всех машинах обнови пакеты, а на сервере ещё и перезапусти Nginx» - и агент сам распределяет задачи по узлам.

Как это выглядит в работе?

Берём самый популярный сценарий - Claude Desktop цепляет сервер и просит: «проверь логи на staging, собери бэкенд на продакшене, выложи отчёт в Google Docs». Всё это - через один интерфейс. Пример настройки минимален:

{
  "mcpServers": {
    "computer-use": {
      "command": "npx",
      "args": ["-y", "@computer-use/mcp-server"],
      "env": {
        "TARGETS": "workstation@192.168.1.10,server@192.168.1.20,macbook@192.168.1.30",
        "SSH_KEY_PATH": "/home/user/.ssh/id_rsa"
      }
    }
  }
}

Дальше в Claude говоришь: «возьми файл отчёта с рабочей станции, скопируй на сервер в /var/www, а на макбуке запусти тесты». И всё. Правда, стоит следить за контекстом - если машин больше трёх, промпты раздуваются, и токены летят быстро. Но для типовых операций - самое то.

Cursor и Codex - не отстают

В Cursor этот MCP-сервер подключается через файл .cursor/mcp.json с теми же параметрами. Разница лишь в том, что Cursor сам генерирует команды под текущий проект. Например, редактируешь файл, а Cursor на ходу бежит на удалённый сервер, подтягивает конфиги и подсказывает. Удобно, если база данных лежит на другой машине.

С Codex (от OpenAI) интеграция чуть сложнее: нужен локальный прокси, который переводит вызовы Codex CLI в MCP-запросы. Некоторые разработчики уже выложили готовые адаптеры на GitHub. На практике это значит, что ваш агент на Codex может стучаться к тем же хостам, что и Claude, получая единый набор инструментов.

С чем сравнивать?

Инструмент Протокол Multi-host Совместимость с AI
Computer-use MCP MCP Да (из коробки) Claude, Cursor, Codex, др.
Open Interpreter Собственный Нет (только локально) Через API
Ansible + AWX SSH Да Не для AI (только playbook)
Самописные скрипты SSH SSH Как напишешь Через обёртку

Честно? Если вам нужно просто разово выполнить команды на пяти серверах - Ansible подойдёт быстрее. Но когда задачи меняются каждые пять минут и их придумывает нейросеть - MCP выигрывает за счёт динамики. Никаких плэйбуков, просто говоришь агенту, а он сам разбирается.

Кстати, про самописные скрипты: если у вас уже есть набор инструментов для удалённого управления, можно их обернуть в MCP-сервер. Именно об этом мы говорили в статье «Как дать AI 142 инструмента для управления ПК» - там подход похож, только на Rust и с 142 предустановленными инструментами.

Подводные камни, о которых молчат README

Первое - безопасность. Вы даёте SSH-ключи в переменные окружения MCP-сервера. Если кто-то перехватит конфиг, он получит доступ ко всем машинам. В документации советуют использовать отдельного пользователя с минимальными правами, но многие этим пренебрегают. Не советую так делать, если не хотите, чтобы ИИ случайно (или намеренно) удалил базу данных.

Второе - лимит контекста. При управлении десятью машинами промпты становятся толстыми. Claude 4 Sonnet (актуальная версия на май 2026) справляется, но токены улетают быстро. За этим стоит следить - советую настроить лимиты через maxTokens в конфиге. Об экономии токенов мы писали в статье «Как я сократил счёт за Cursor в 10 раз».

Третье - совместимость с разными ОС. На Windows сервер работает через WSL, но с GUI-инструментами (например, VNC) есть нюансы. Лучше использовать Linux для мастер-ноды.

Кому оно вообще надо?

  • DevOps-инженерам, которые устали писать одни и те же SSH-команды для разных сред. Один раз подключили - и агент сам лазает по серверам.
  • Разработчикам AI-агентов, которым нужно тестировать код на нескольких платформах. Запустили сборку на Mac, тесты на Linux, а статический анализ на Windows - всё через один запрос.
  • Хакерам-энтузиастам, которые хотят управлять своей сетью Raspberry Pi и старыми ноутбуками из одного чата.

В то же время, если у вас одна машина и вы не работаете с удалёнными серверами - инструмент избыточен. Для локального управления достаточно KoboldCpp с MCP-серверами или даже простого subprocess.

Как это выглядит на практике?

Предположим, у вас есть рабочая станция (Mac), сервер (Linux) и виртуалка (Windows). Вы настроили computer-use MCP и дали команду Claude: «на всех машинах создай пользователя deployer, дай ему sudo, установи Docker и запусти контейнер с nginx». Агент последовательно подключается к каждому хосту, выполняет шаги, возвращает логи. Если на Windows нет Docker Desktop - агент сам предложит альтернативу или отпишет ошибку.

Звучит логично, но есть нюанс: если хотя бы одна машина недоступна, весь промпт может зависнуть. В новых версиях сервера появился параметр timeout и флаг skip-failed, но по умолчанию он ждёт ответа вечно. Это стоит сразу править в конфиге.

💡
Ещё один лайфхак: используйте computer-use MCP вместе с MCP Hangar - это объединит все ваши MCP-серверы в один дашборд, и вы сможете переключаться между разными наборами хостов.

А что с альтернативами под AI?

На рынке есть несколько похожих решений. Например, Kindly - MCP-сервер для веб-поиска, не для управления машинами. PlexMCP - универсальный шлюз, но он не специализируется на multi-host. А LLM Council - вообще про оркестрацию нескольких моделей, а не компьютеров. Так что computer-use MCP занимает нишу «сделай ИИ системным администратором».

До недавнего времени альтернативой был Anthropic Computer Use (встроенная функция в Claude), но она работала только на одном локальном экране. А этот сервер расширяет концепцию на любое количество удалённых машин. И да, он полностью open source, лежит на GitHub.

Кстати, если вы используете Codex от OpenAI - для него computer-use MCP тоже подходит через обёртку. Настройка чуть сложнее, но в целом концепция та же: агент получает доступ к хостам и делает, что скажут.

На этом можно было бы закончить, но напоследок совет: не подключайте к серверу продакшн-окружение без предварительного теста на изолированных контейнерах. Иначе вместо автоматизации получите весёлое восстановление бакапов.

Подписаться на канал

←
На главную