使用说明

项目简介

本项目是一个基于 Model Context Protocol (MCP) 的服务器实现，旨在为大型语言模型 (LLM) 提供网页浏览和操作能力。它使用 Playwright 库驱动浏览器，并将其功能封装成 MCP 工具，例如网页导航、截图、元素点击、表单填写等。通过 MCP 协议，LLM 客户端可以安全、可控地调用这些工具，从而实现与网页的交互，完成更复杂的任务，例如信息检索、网页内容分析、自动化操作等。本项目使用 FastMCP 框架构建 MCP 服务器，并针对 Azure OpenAI 进行了适配。

主要功能点

网页导航: 允许 LLM 控制浏览器访问指定的 URL。
网页内容交互: 提供点击链接、填写表单、选择下拉框等常用网页元素操作工具。
网页信息提取: 支持获取网页截图、执行 JavaScript 代码等，辅助 LLM 理解网页内容。
动态 CSS 选择器: 尝试根据用户自然语言描述，智能生成 CSS 选择器，简化元素定位。
Azure OpenAI 集成: 默认配置使用 Azure OpenAI 服务，方便用户快速部署和使用。
资源管理: 支持截图等资源的管理和访问。
Prompt 模板: 提供示例 Prompt 模板，方便用户定制 LLM 交互模式。

安装步骤

克隆仓库

git clone https://github.com/kimtth/mcp-aoai-web-browsing
cd mcp-aoai-web-browsing

配置环境变量
- 复制 '.env.template' 文件并重命名为 '.env'。
- 根据您的 Azure OpenAI 账号信息，编辑 '.env' 文件，填入 'AZURE_OPEN_AI_ENDPOINT'、'AZURE_OPEN_AI_API_KEY'、'AZURE_OPEN_AI_DEPLOYMENT_MODEL' 和 'AZURE_OPEN_AI_API_VERSION'。

安装依赖

pip install uv
uv sync

运行服务器
- 执行以下命令启动 MCP 服务器：
```
fastmcp dev ./server/browser_navigator_server.py:app
```
- 看到类似 'MCP Inspector is up and running at http://localhost:5173' 的信息，表示服务器已成功启动。

服务器配置

以下 JSON 配置信息用于 MCP 客户端连接到此 MCP 服务器。

{
  "serverName": "browser-navigator-server",
  "command": "fastmcp",
  "args": [
    "dev",
    "./server/browser_navigator_server.py:app"
  ]
}

'serverName': 服务器名称，可以自定义，用于客户端识别。
'command': 启动服务器的命令，这里使用 'fastmcp' 命令行工具。
'args': 传递给 'fastmcp' 命令的参数列表：
- '"dev"': 以开发模式运行服务器，方便调试和开发。
- '"./server/browser_navigator_server.py:app"': 指定服务器入口文件和服务器对象。'./server/browser_navigator_server.py' 是服务器代码文件路径，'app' 是文件中 'BrowserNavigationServer()' 实例的变量名。

注意：MCP 客户端需要根据此配置信息才能正确连接到 MCP 服务器。

基本使用方法

启动 MCP 服务器后，您可以使用任何兼容 MCP 协议的客户端与之通信。
仓库中提供了 'chatgui.py' 和 'client_test.py' 作为示例客户端，您可以运行它们来测试服务器的功能。
在客户端中，您可以向 LLM 发送指令，LLM 可以根据指令调用 MCP 服务器提供的工具来操作网页。例如，您可以指示 LLM "打开 Google 首页并搜索 MCP 协议"。
服务器会将 Playwright 的网页操作功能通过 MCP 协议暴露给 LLM 客户端，实现 LLM 对网页的控制和信息获取。

关键词