使用说明

项目简介

该项目 'kimtth_mcp-aoai-web-browsing' 是一个 MCP (Model Context Protocol) 服务器的实现，它利用 FastMCP 框架构建，旨在为 LLM 客户端提供网页浏览和操作的能力。通过集成 Microsoft Playwright 库，该服务器能够执行网页导航、点击、填写表单、截图等操作，并能结合 Azure OpenAI 进行更智能的网页内容理解和交互。

主要功能点

网页导航: 支持通过URL导航到指定网页。
元素操作: 允许点击网页元素、填写表单、选择下拉选项、悬停鼠标等。
信息提取: 可以截取网页或特定元素的屏幕截图。
JavaScript执行: 支持在浏览器环境中执行 JavaScript 代码。
智能CSS选择器: 结合LLM能力，根据页面内容智能生成CSS选择器。
基于MCP协议: 完全遵循 MCP 协议，易于与任何兼容 MCP 协议的客户端集成。

安装步骤

克隆仓库

git clone https://github.com/MCP-Mirror/kimtth_mcp-aoai-web-browsing
cd kimtth_mcp-aoai-web-browsing

配置环境变量 复制 '.env.template' 文件并重命名为 '.env'，然后根据你的 Azure OpenAI 账户信息填写以下环境变量：

AZURE_OPEN_AI_ENDPOINT=你的Azure OpenAI终结点
AZURE_OPEN_AI_API_KEY=你的Azure OpenAI API密钥
AZURE_OPEN_AI_DEPLOYMENT_MODEL=你的Azure OpenAI部署模型名称
AZURE_OPEN_AI_API_VERSION=你的Azure OpenAI API版本

安装依赖 推荐使用 'uv' 进行依赖管理 (如果未安装，请先 'pip install uv')，然后在项目根目录下运行：
```
uv sync
```
或者，你也可以使用 'pip' 安装依赖：
```
pip install -r requirements.txt
```

服务器配置

MCP 客户端需要以下配置信息来连接到 'kimtth_mcp-aoai-web-browsing' 服务器。请将以下 JSON 配置添加到你的 MCP 客户端配置中：

{
  "serverName": "browser-navigator-server",
  "command": "fastmcp",
  "args": [
    "dev",
    "./server/browser_navigator_server.py:app"
  ],
  "description": "网页浏览自动化 MCP 服务器"
}

配置参数说明:

'serverName': 服务器名称，设置为 "browser-navigator-server"。
'command': 启动服务器的命令，这里使用 'fastmcp' (确保已安装 FastMCP CLI 工具，通常通过 'pip install fastmcp-cli' 安装)。
'args': 传递给 'fastmcp' 命令的参数，用于指定服务器入口点。
- '"dev"': 以开发模式启动 FastMCP 服务器。
- '"./server/browser_navigator_server.py:app"': 指定服务器代码文件路径和服务器对象名称 ('app' 是 'server/browser_navigator_server.py' 中 'BrowserNavigationServer()' 实例的默认变量名)。
'description': 服务器的简要描述，方便客户端用户理解服务器用途。

注意: 请确保你的 MCP 客户端能够执行 'fastmcp' 命令，并且 Python 环境配置正确。

基本使用方法

启动 MCP 服务器: 按照上述服务器配置，通过 MCP 客户端启动 'browser-navigator-server'。启动成功后，服务器将开始监听 MCP 客户端的请求。
MCP 客户端发送请求: 使用兼容 MCP 协议的客户端 (例如 Chat MCP) 向 'browser-navigator-server' 发送请求，调用服务器提供的工具 (Tools)、资源 (Resources) 或 Prompt 模板 (Prompts)。
利用工具进行网页操作: 在 LLM 客户端中，你可以指示 LLM 使用 'browser-navigator-server' 提供的工具，例如 'playwright_navigate' (导航到URL), 'playwright_click' (点击元素), 'playwright_screenshot' (网页截图) 等，来实现网页的自动化浏览和操作。
示例: 例如，在 Chat MCP 客户端中，你可以向 LLM 提出类似 "请打开 https://www.example.com 网站并截取全屏截图" 的指令，LLM 客户端会解析指令，调用 'browser-navigator-server' 的 'playwright_navigate' 和 'playwright_screenshot' 工具来完成任务，并将结果返回给用户。

通过这种方式，你可以利用该 MCP 服务器为 LLM 应用增加强大的网页浏览和自动化能力。

关键词