[feat] acknowledge remote input and wait for visual changes

apps/mcp/README.md

@@ -244,3 +244,9 @@ npm run pack:npm -- --out-dir /absolute/path/artifacts
 本机 macOS arm64 完成 TypeScript/面板构建、原生 CLI 构建、现有 wire/keyboard-state 测试，以及工程外的 MCP、会话和原生动作回归检查。ASan/UBSan 检查覆盖动作调度和输入清理；140 组随机图像覆盖完整帧、奇偶裁剪边界、缩放及容量回退，优化前后 PNG 字节一致。
 
 使用 1920 × 1080 合成 NV12、最长边 1280、每项 6 次的 `-O2` 本地基准：完整画面编码约 22.5 → 11.5 ms，321 × 241 裁剪约 2.1 → 0.9 ms。数字仅衡量图像转换与编码，不包含网络、解码、远端执行或宿主渲染；未连接真实远端或完成 Windows/Linux 验收。额外测试代码、脚本、数据和产物均存放于工程外系统临时目录。
+
+### 远端输入回执与条件等待
+
+更新后的被控端通过 `capabilities.input_ack` 声明输入处理回执。动作结果的 `remote_execution` 表示远端原生输入处理状态，应用界面的实际结果由后续观察确认。旧被控端返回 `unsupported`。回执等待有明确期限，超时动作保留结果不确定状态。
+
+`crossdesk_wait` 使用已有截图的 `observation_id`，等待对应区域变化（`changed`）或持续稳定（`stable`）。可设置 `stable_ms` 和最长 25000 毫秒的 `timeout_ms`。满足条件后返回新截图，切换显示器、断开和取消会结束等待。

apps/mcp/src/server.ts

@@ -296,6 +296,16 @@ export function createServer(
     },
     { ui: true },
   );
+  add(
+    "crossdesk_wait",
+    z.strictObject({ session_id: id, observation_id: id,
+      condition: z.enum(["changed", "stable"]),
+      stable_ms: z.int().min(100).max(5000).default(500),
+      timeout_ms: z.int().min(0).max(25000).default(5000) }),
+    "Wait for the observed screenshot region to change or remain stable. Returns matched, wait_timed_out and a fresh screenshot on success. A visual condition can be checked after an action with a separate screenshot observation. Remote input receipts report native input acceptance; verify the application's intended result visually.",
+    async (p, ctx) => output(await sessions.waitFor(p, ctx.mcpReq.signal)),
+    { readOnly: true },
+  );
   add(
     "crossdesk_set_control",
     z.strictObject({ session_id: id, enabled: z.boolean() }),

apps/mcp/src/sessions.ts

@@ -459,6 +459,13 @@ export class Sessions {
     }
     return result;
   }
+  async waitFor(p: Data, signal?: AbortSignal): Promise<Data> {
+    const { session_id, ...args } = p;
+    const result = await this.session(session_id).native.request(
+      "wait_frame", args, (args.timeout_ms ?? 5000) + 3000, signal);
+    if (result.matched) result.observation = await this.screenshot({ session_id }, signal);
+    return result;
+  }
   async control(id: string, enabled: boolean) {
     if (!enabled) this.cancelUnlock(this.session(id));
     return this.session(id).native.request("control", { enabled });