rdp-cli
如何在 AI Agent 的 RDP 工作流程中使用多個顯示器
AI Agent 何時需要多個顯示器？
讓 AI Agent 操作單一遠端螢幕並不複雜，但當 Windows 應用程式使用兩個或更多顯示器時，就需要明確辨識每個螢幕。 視窗可能開在第二個顯示器，確認對話框可能出現在第一個顯示器，報表也可能需要在兩個螢幕之間移動。舊畫面和固定座標可能讓 Agent 點錯控制項。 使用 rdp-cli，AI Agent 可以連線到多顯示器 RDP 工作階段，分別查看螢幕、執行 GUI 操作，並透過新畫面驗證結果。
- 在一個顯示器執行 ERP，在另一個顯示器查看文件
- 在獨立顯示器處理核准對話框
- 操作舊版 Windows 軟體時同時查看記錄
- 並排比較兩份報表 遠端 Windows 環境與 RDP 伺服器必須允許要求的顯示器配置。
rdp-cli 如何處理多顯示器 RDP
建議流程是：讀取配置 → 擷取目標螢幕 → 執行一個操作 → 再次擷取 → 驗證結果。 連線時指定顯示器配置：
rdp-cli connect \
--host WINDOWS_HOST \
--user WINDOWS_USER \
--password-stdin \
--layout @layout.json
讀取協商後的顯示器拓撲：
rdp-cli monitors --session SESSION
擷取完整桌面或單一顯示器
查看完整遠端工作區：
rdp-cli screenshot \
--session SESSION \
--monitor all \
--out overview.png
只查看一個顯示器：
rdp-cli screenshot \
--session SESSION \
--monitor MONITOR_ID \
--out monitor-1.png
單顯示器畫面能減少視覺干擾，讓 Agent 更容易找到目標視窗。
在指定顯示器上執行操作
讀取最新畫面後，在指定顯示器點擊控制項：
rdp-cli click \
--session SESSION \
--monitor MONITOR_ID \
--x X \
--y Y \
--observation OBSERVATION
預設座標相對於選中的顯示器。需要操作完整遠端配置時，可以使用桌面座標。重新連線、變更配置或人工接管後，必須先重新擷取畫面。
在顯示器之間拖曳視窗
rdp-cli 支援指定起點和終點顯示器：
rdp-cli drag \
--session SESSION \
--from-monitor MONITOR_1 \
--from-x X1 \
--from-y Y1 \
--to-monitor MONITOR_2 \
--to-x X2 \
--to-y Y2 \
--observation OBSERVATION
這可以把報表視窗移到審核螢幕，或把對話框放到 Agent 容易辨識的位置。
人工審核與接管
出現安全提示、危險操作、未知對話框或一次性核准時，操作人員可以透過原生視窗或授權瀏覽器查看同一工作階段，暫停 Agent 並接管桌面。修正後，再把控制權交還給 Agent。
多顯示器場景下的 RDP 與 VNC
VNC 可以顯示和控制遠端桌面，但不能像 RDP 一樣處理要求的多顯示器配置。需要單螢幕擷取、協商配置或跨螢幕拖曳時，應使用 RDP。
總結
多顯示器 Windows 自動化的關鍵，是讓 Agent 理解真實的遠端顯示器配置。可靠流程是：讀取顯示器拓撲 → 擷取目標螢幕 → 執行一個操作 → 新畫面 → 驗證結果。 參考 快速入門 和 命令參考。
常見問題
AI Agent 能只擷取一個顯示器嗎？
可以，使用 --monitor MONITOR_ID。
切換顯示器時座標如何處理？ 預設座標相對於選中的顯示器；需要操作完整桌面時使用桌面座標。
rdp-cli 能把視窗拖到另一個顯示器嗎？ 可以，drag 命令支援分別指定起始與目標顯示器。
VNC 支援這種多顯示器工作流程嗎？ VNC 可以控制桌面，但不支援與 RDP 相同的要求式多顯示器配置變更。