Selenium WebDriver 桥接服务

介绍

此服务器用python实现，以弥合AI Assistant或（自定义MCP客户端）与Selenium Webdrivers之间的差距。它将selenium web驱动程序功能作为MCP工具公开，允许AI assistanct/MCP客户端使用它们来执行web自动化、web测试或web抓取任务。

发布说明

2.0.1版本-2026年4月11日发布

在此版本中，对错误代码、返回类型和自述文件进行了小幅增强

1. Retun类型从Union[None，dict]，int，bool变为str in
   1. 饼干.py
   2. find.py
   3. get.py
   4. input.py

2.0.0版本-2026年4月4日发布

在这个版本中，我们做了一些结构上的更改，比如将函数分离为save和get。现在save只专注于将文件保存在磁盘上。get是LLM希望从浏览器获取数据的地方。

以下是增强功能列表：

1. 获取：以markdown、html、截图、元素截图、url列表的形式获取网页
2. JS执行器：执行与网页交互的javascript代码
3. 文件：上传和下载文件
4. 警报：处理警报
5. 点击：添加了通过xpath拖放元素
6. 文件：将网页另存为pdf格式的磁盘

版本1.0.0-2026年3月31日发布

1. Web驱动程序：创建新的或退出现有的webdiver会话
2. Cookie：管理Cookie（添加、删除、获取、清除）
3. 点击：点击元素（左客户端、右键、双击）
4. 浏览器：浏览网址并管理浏览器功能，如调整大小、最大化、最小化、全屏等。
5. 滚动：滚动整个网页
6. 输入：在元素中输入文本，并选择/取消选择复选框、单选按钮、下拉选项等。
7. 查找：通过xPaths查找元素

主要特点

1. 人性化的错误处理，使LLM能够处理错误并相应地重新配置工具使用
2. 全面的元素交互：通过检查元素是否可见、启用、可点击等来执行点击、输入、选择
3. 全导航控制：打开新网址，点击前进、后退、刷新等

这些工具利用以下技术来支持

1. FastMCP：用于MCP服务器实现
2. Selenium：用于web自动化
3. 谷歌GenAI：人工智能助手

即将上任

以下是未来将添加的功能列表：

1. 支持Chrome开发工具和BiDi的工具
2. 增强保存功能，以不同格式保存文件
3. 增强的错误处理
4. 支持多浏览器（Firefox、Edge、Safari等）

示例

提示：“打开https://rfpnotification.com并通过输入电子邮件地址加入等候名单：[test_user@example.com]"

运行脚本后，浏览器会截取屏幕截图，检查电子邮件是否已成功输入。

实际测试

开发人员设置

克隆仓库

git clone {url}

创建虚拟环境

python3 -m venv venv
source venv/bin/activate

安装依赖项

pip install -r requirements.txt

运行服务器

python server.py

该软件包附带了一个轻量级的MCP客户端，使用Google GenAI SDK来测试服务器。它在 server.py 文件。要使用它，你需要有一个谷歌GenAI API密钥。将其设置在 .env 归档 GEMINI_API_KEY={your_api_key}.

运行客户端

python server.py

建筑

mcp具有非常简单的架构，如下所示。如果此MCP托管在本地，则通过stdio进行通信；如果托管在云端，则通过http进行通信。