如果你最近在用 Claude Code、Codex 或其他 AI 编程智能体，你很可能已经习惯了让它们写脚本、改 Bug、跑测试。

但不知道你有没有想过：既然智能体可以通过终端读写代码，为什么不能直接帮我们修图、调表格、剪视频、甚至是做 3D 渲染？

过去，AI 想控制常规桌面软件极其困难：要么靠笨拙的视觉识别鼠标点击，动不动就点歪；要么需要给每个商业软件写极其繁复的专有宏。

转折点来自两件事的结合：MCP（Model Context Protocol，模型上下文协议）的标准普及，以及一批专为 Agent 设计的开源应用与连接器的爆发。

现在，从 Adobe 系列、微软 Office，到专业视频与 3D 工具，每一个岗位常用的重型软件，几乎都能在开源世界找到支持智能体直接操作的“对标接口”。

这意味着一个前所未有的全自动创作闭环正在成型：

Prompt 构思 → Design 设计 → Write 文案 → Crunch 算数 → Edit 剪辑 → Render 渲染 → Ship 交付

以下是目前最值得关注的 11 个开源项目与核心工具。

1. 替代 Photoshop：PhotoCraft（图像编辑）

很多日常修图需求——比如裁剪留白、换背景色、批量加水印、调整图层尺寸——用鼠标在 Photoshop 里点来点去极其磨人。

PhotoCraft 是一群开发者用纯 Rust 从零构建的开源照片编辑器。更关键的是，它原生自带 MCP 服务端。

  • Agent 怎么操作： 智能体可以通过指令直接创建画板、加载图片、增加图层、调整滤镜参数并导出格式。
  • 与传统修图的区别： 不需要截屏做屏幕识别，所有操作直接走底层内存与矢量指令，速度快且完全零差错。

🔗 GitHub：storytold/photocraft（63k+ Stars）

2. 替代 Word：WordCraft（长文排版与文档规范）

把 AI 生成的长篇文字粘进 Word 往往是噩梦的开始：字体不统一、标题级别混乱、表格跑位。

WordCraft 同样用纯 Rust 实现了对微软 Word（.docx）标准格式的无损解析与生成，并内嵌了 MCP 协议服务。

  • 应用场景： 你可以让 AI 审阅合同并直接高亮修改条款、根据公司规范模板排版年度报告，或者自动根据大纲生成带页码和目录的标准 .docx 格式文件。
  • 优势： 告别脆弱的中间格式转换，AI 生成的文档能直接发送给客户或同事。

🔗 GitHub：storytold/wordcraft（13k+ Stars）

3. 替代 Excel：GridCraft（电子表格与数据核算）

写 Python 脚本读写 Excel 固然行得通，但让普通用户或 Agent 每次为了几列数据的计算去配环境、装依赖，门槛依然不低。

GridCraft 是一个面向智能体友好的轻量级电子表格引擎。

  • Agent 怎么操作： 通过标准化 MCP 接口，AI 可以像真人查看工作表一样，精确读取单元格数据、填充公式、汇总多表流水，并直接保存为 .xlsx 格式。
  • 价值： 在涉及复杂的财务报表核算（Crunch）环节时，给智能体配备了一张随调随用的标准计算草稿纸。

🔗 GitHub：storytold/gridcraft（5.2k+ Stars）

4. 替代剪映 / CapCut：Concat（多轨道视频粗剪）

做短视频的人都知道，把素材导入剪映、逐段对齐口播音频、切除多余气口、加转场，是最机械耗时的体力活。

Concat 是一个跨平台的免费开源剪辑工具，支持原生 API 和 MCP 接入。

  • Agent 怎么操作： 你只需给智能体提供原始视频文件夹和文案脚本，它就可以通过 Concat 自动分析分镜时间轴、按台词裁切片段、合成字幕并直接渲染成品。
  • 改变： 视频制作从“手工拖动时间线”变成了“智能体按脚本自动化装配”。

🔗 GitHub：jub0t/concat（6.9k+ Stars）

5. 替代 AutoCAD & SolidWorks：text-to-cad（工程 3D 制图）

如果说画张平面图还能靠普通文生图模型碰碰运气，那么工业制造和 3D 打印领域的 CAD 建模就必须要求毫米级的精确几何数据。

text-to-cad 赋予了 AI 智能体真正的“工程 CAD 超能力”。

  • 输出格式： 它并不生成虚幻的图片，而是直接输出工业通用的 STEP（实体几何模型）、STL（三角网格）和 3MF（3D 打印标准格式）文件。
  • 应用： 告诉智能体“帮我做一个带 4 个 M3 螺丝孔、圆角为 2mm 的外壳支架”，模型文件生成后直接丢进 3D 打印机切片软件即可开印。

🔗 GitHub：earthtojake/text-to-cad（20k+ Stars）

6. 联手 Blender：MCP for Blender（3D 动画与全功能渲染）

Blender 是全世界最强大的开源 3D 创作软件，但它复杂密集的功能面板常常让初学者望而却步。

MCP for Blender 是一个由社区打造的桥接插件，能将任何大模型直接接入 Blender 内部环境。

  • 功能： 智能体可以为你自动搭建 3D 场景灯光、导入外部模型、调整材质着色器属性，甚至编写并在后台执行 Blender 专用 Python 脚本来完成高品质渲染。
  • 定位： 不需要你记下上百个快捷键，直接对智能体说：“把主光源调成傍晚暖金色，给中央模型加上磨砂金属材质，然后渲染一张 4K 预览图。”

🔗 GitHub：ahujasid/mcp-for-blender（30k+ Stars）

7. 替代 After Effects：HyperFrames（代码化动效视频）

用过 AE 的人都体会过渲染时风扇狂转、缓存吃满硬盘的痛苦。对于许多产品介绍视频、动态排版和数据可视化来说，AE 的工程文件未免过重。

HeyGen 团队开源的 HyperFrames 提出了一种全新范式：“用 HTML 写动效，直接渲染出 MP4 视频”。

  • 为什么专为 Agent 设计： 大模型天生精通 HTML、CSS 动画与 SVG 代码。借助 HyperFrames，智能体直接用前端语法搭出版面和过渡动效，底层渲染引擎会迅速把网页编译成流畅的 60fps 视频。
  • 效果： 极轻量、高度可复用，一次编写模板，AI 能在数秒内批量替换文字并生成几百条定制短视频。

🔗 GitHub：heygen-com/hyperframes（64k+ Stars）

8. 替代 ElevenLabs：VoiceStudio（完全本地的声音克隆）

商用声音克隆服务（如 ElevenLabs）效果固然出色，但昂贵的按分钟计费和敏感音频上传到云端的隐私担忧，始终是规模化使用的痛点。

VoiceStudio 是一个功能极其强悍的开源本地音频工作台。

  • 核心亮点： 支持声音克隆、音色设计、视频 AI 换配音、高精转录以及多达 646 种语言的有声书生成。
  • MCP 支持： 智能体可以通过 MCP 发起本地配音任务，全程断网运行，零 API 费用消耗，安全感拉满。

🔗 GitHub：debpalash/VoiceStudio（69k+ Stars）

9. 替代 Visio & Lucidchart：diagram-design（出版级图表设计）

你可能受够了 AI 画出的千篇一律、色彩怪异的 Mermaid 流程图或带厚重阴影的简陋方框。

diagram-design 专为 Claude Code、Cursor、Codex 等智能体量身定制，定义了 44 种高质量专业图表规范。

  • 特点： 输出完全自包含的干净 HTML + SVG，摒弃花哨廉价的渐变与杂乱阴影，排版审美直逼知名科技杂志和专业商业咨询白皮书。
  • 用途： 架构拓扑图、业务流转图、时序图、数据漏斗……直接嵌入网站或技术文档，清晰美观。

🔗 GitHub：cathrynlavery/diagram-design（56k+ Stars）

10. 浏览器代理：Playwright MCP（真正的全网交互视力）

光能在本地做软件还不够，智能体还需要和外部互联网世界交互——比如收集资料、查阅在线文档、核验登录后台或自动发布内容。

由微软官方推出的 Playwright MCP 服务，彻底打通了智能体与真实浏览器环境的壁垒。

  • 能力： 不再是仅抓取静态 HTML，它让 AI 拥有一个真正的无头 Chrome 浏览器，可以点击动态渲染的按钮、输入账号验证、等待网络加载、截取视口屏幕甚至抓取网络请求日志。
  • 作用： 成为整个工作流最后一环（Ship）的必备神器。

🔗 GitHub：microsoft/playwright-mcp（38k+ Stars）

11. 万物皆可接入：CLI-Anything（把任何软件变成 Agent 原生）

如果你的小众专业软件既没有 MCP 插件，也没有现成的开源替代品怎么办？

香港大学数据智能实验室（HKUDS）推出的 CLI-Anything 给出了优雅的答案：让任何桌面或命令行软件变身为智能体原生工具。

  • 机制： 它能够自动分析目标软件的参数、调用接口或帮助文档，自动生成统一符合智能体交互规范的 CLI 与接口层。
  • 生态： 官方配套的 CLI-Hub 还汇聚了社区针对各类冷门工具打包好的即用型模块，智能体“装备库”因此得以无限扩展。

🔗 GitHub：HKUDS/CLI-Anything（53k+ Stars）

写在最后：工位正在被重新定义

观察这 11 个项目，你会发现一个强烈的信号：

AI 正在从“对话框里的顾问”，变成“整套操作系统的总装配师”。

过去，一个产品原型的诞生需要设计师打开 Figma、文案打开 Word、财务打开 Excel、动效师打开 AE、工程师打开 IDE；而今天，智能体在一个统一的标准协议（MCP）调度下，正在跨越应用与格式的孤岛。

对于普通用户和独立创作者来说，你不必精通每一个软件的高级菜单，只需清晰地描述目标，这套开源智能体工作台就能帮你完成从灵感到成品的绝大部分繁琐工作。

本文收录的所有项目均为开源且支持自主部署。随着 MCP 生态的快速演进，SeekLumen 将持续关注并评测更多实用的智能体桌面工具。