关键词

网页自动化AI代理浏览器控制智能体工具远程操作

项目简介

该仓库提供了一个基于Model Context Protocol (MCP) 的服务器实现，其核心功能是赋能AI代理（如大型语言模型客户端）来远程控制和操作网页浏览器。它集成了'browser-use'库，为AI代理提供强大的网页自动化能力，支持多种传输协议（如Server-Sent Events和标准输入/输出），并针对生产环境进行了优化。

主要功能点

  • AI驱动的网页自动化： 赋予AI代理全面控制网页浏览器的能力，执行复杂的网页导航、表单填写、数据抓取等操作。
  • 灵活的通信协议： 支持Server-Sent Events (SSE) 和标准输入/输出 (stdio) 两种协议，便于与各类AI助手和工具集成。
  • 实时浏览器可视化： 通过VNC流，您可以实时可视化AI代理在浏览器中的操作过程，便于调试和监控。
  • 异步操作支持： 执行浏览器任务时采用非阻塞方式，确保AI客户端能够高效地进行多任务处理，无需长时间等待单个任务完成。
  • 持久会话管理： 支持创建、管理和关闭长期运行的浏览器会话，包括多标签页控制、实时页面状态检查和智能内容提取。
  • Docker便捷部署： 提供Docker和Docker Compose支持，方便在隔离、可复现的环境中快速部署服务，并支持多种部署配置（如开发、stdio代理、监控）。

安装步骤

  1. 准备环境：
    • 安装 'uv'： 这是一个快速的Python包管理器。请参考 uv GitHub 页面 获取详细安装说明。
    • 安装 'Playwright' 及其浏览器依赖： 首先安装Playwright库： 
      uv pip install playwright
      然后安装Playwright所需的浏览器（如Chromium）： 
      uv run playwright install --with-deps --no-shell chromium
  2. 配置API密钥和环境变量：
    • 在项目根目录下创建一个名为 '.env' 的文件，并填入您的OpenAI API密钥。这是AI代理与LLM交互所必需的。
    # 您的OpenAI API密钥，必需
OPENAI_API_KEY=your-openai-api-key-here

# 可选：指定LLM模型，默认为 gpt-5-mini
LLM_MODEL=gpt-4o

# 可选：控制浏览器是否在无头模式下运行 (true=无头, false=可见)，默认为true
BROWSER_HEADLESS=true

# 可选：指定Chrome/Chromium浏览器的路径
# CHROME_PATH=/path/to/chrome
    • 安全提示： 切勿将您的'.env'文件提交到版本控制系统。它已被包含在 '.gitignore' 中。
  3. 安装服务器：
    • 从源代码安装 (推荐用于开发和测试)： 
      git clone https://github.com/hubertusgbecker/mcp-browser-use-server.git
cd mcp-browser-use-server
uv sync  # 安装所有依赖
    • 作为Python包安装 (推荐用于生产环境)： 
      uv pip install mcp-browser-use-server
    • 通过Docker部署： 如果您选择Docker，请确保已安装Docker和Docker Compose。在项目根目录运行： 
      docker-compose up -d
      这将启动服务器容器，并支持VNC可视化。

服务器配置 (供MCP客户端连接)

MCP客户端需要以下配置信息来连接并使用此MCP服务器。根据您选择的传输模式（SSE或stdio），配置方式略有不同。

SSE 模式配置 (推荐用于Web界面和远程访问)

SSE模式适合与远程或Web界面的MCP客户端集成。

  1. 启动服务器： 例如，从源代码目录启动服务器在8081端口： 
    uv run server --port 8081
    或者，如果已作为Python包安装： 
    mcp-browser-use-server run server --port 8081
    服务器将在 'http://localhost:8081/sse' 提供服务。
  2. MCP客户端配置： 在您的MCP客户端配置文件 (通常是 '.cursor/mcp.json', '~/.codeium/windsurf/mcp_config.json' 或 '~/Library/Application Support/Claude/claude_desktop_config.json') 中，添加以下JSON条目： 
    {
  "mcpServers": {
    "mcp-browser-use-server": {
      "url": "http://localhost:8081/sse"
      // "url" 指向MCP服务器的SSE接口地址
    }
  }
}

stdio 模式配置 (推荐用于本地AI助手)

stdio模式适合与在本地运行的AI助手（如Cursor, Claude Desktop等）集成。此模式需要 'mcp-proxy' 进行桥接。

  1. 全局安装 'mcp-proxy'： 
    uv tool install mcp-proxy
uv tool update-shell # 更新shell以识别新工具
  2. 启动服务器： 例如，启动服务器在8081端口，并让 'mcp-proxy' 监听9000端口： 
    mcp-browser-use-server run server --port 8081 --stdio --proxy-port 9000
  3. MCP客户端配置： 在您的MCP客户端配置文件中，添加以下JSON条目： 
    {
  "mcpServers": {
    "mcp-browser-use-server": {
      "command": "mcp-browser-use-server",
      // "command" 指定了启动MCP服务器的命令
      "args": [
        "run",
        "server",
        "--port",
        "8081",
        "--stdio",
        "--proxy-port",
        "9000"
        // "args" 提供了启动命令的参数
      ],
      "env": {
        "OPENAI_API_KEY": "您的OpenAI_API密钥"
        // "env" 允许您为服务器进程设置环境变量，此处OpenAI API密钥是必需的
      }
    }
  }
}

基本使用方法

一旦MCP服务器运行并成功配置到您的MCP客户端（例如AI助手），您就可以通过自然语言指示AI来执行浏览器任务。AI助手将通过MCP协议调用服务器提供的工具来完成操作。

常见示例：

  • 网页信息提取： 'AI助手指令：' "访问 'https://news.ycombinator.com' 并返回排名最高的文章标题和URL。"
  • 网页搜索与总结： 'AI助手指令：' "前往Google，搜索 'MCP protocol'，然后总结前3个搜索结果。"
  • 表单交互： 'AI助手指令：' "导航到 'example.com/contact' 的联系表单，用测试数据填写所有字段并提交。"
  • 数据列表抓取： 'AI助手指令：' "访问GitHub趋势页面，列出今天排名前5的趋势仓库。"
  • 截图捕获： 'AI助手指令：' "导航到 'example.com' 并截取主页的屏幕截图。"

信息

分类

网页与API

访问项目