AI导哈

浏览器自动化服务器

一个基于Playwright的浏览器自动化服务器，提供结构化可访问性快照和基于角色的定位器，使LLM能够与网页交互。

  • by lequan310
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 lequan310/playwright-mcp-python

使用说明

Playwright MCP 服务器

一个模型上下文协议（MCP）服务器，通过使用（相关技术/方法）提供浏览器自动化功能 剧作家这个服务器使大型语言模型（LLMs）能够通过（某种方式）与网页进行交互 结构化无障碍快照 和 基于角色的定位器，从而绕过了需要截图或视觉调优模型的需求。

✨ 主要特点

  • 🎯（瞄准靶心） 基于角色的定位器使用可访问性树中的语义角色和名称，而非易变的CSS选择器
  • 📸（相机图标，通常表示拍照或照片） 自动快照每个操作都会自动返回更新后的页面状态
  • ♿ 代表无障碍设施的标志。 无障碍优先与屏幕阅读器以相同的方式与页面进行交互
  • 🚀 表情符号“🚀”在中文中通常被翻译为“火箭”或直接用其形象描述为“飞速上升”、“急速前进”等，具体翻译可能根据上下文有所不同。在这里，为了简洁明了，可以翻译为“火箭”或保持原样使用该表情符号。 由Playwright驱动利用Playwright强大的浏览器自动化功能

🚀 设置

先决条件

  • Python 3.13或更高版本
  • 紫外线 包管理器

安装

  1. 使用 Python 3.13 创建一个虚拟环境：
uv venv --python 3.13
  1. 安装依赖项：
uv sync
  1. 安装 Playwright 浏览器二进制文件：
playwright install chromium

🏃 运行服务器

开发模式（带检查器）

对于使用FastMCP检查器进行的本地开发和测试：

fastmcp dev src/server.py

这将启动一个交互式检查器，您可以在其中测试工具并实时查看浏览器交互情况。

对于单客户端模式：

python src/server.py

工具

Core automation

  • 浏览器点击

    • 标题：点击
    • 描述：在网页上执行点击操作
    • 参数：
      • element (字符串)：人类可读的元素描述
      • locator (元素定位器)：元素定位器 - 使用ARIA的AriaNode或（其他方式，此处根据上下文可能指非ARIA的定位方法，但原文未明确，故保留泛指） role 和 name 字段，或带有选择器的（功能/组件） selector 田野
      • nth （数字，可选）：当多个元素匹配时，使用基于零的索引来指定（例如，nth=0 表示第一个，nth=1 表示第二个）
      • double_click （布尔值，可选）：是否执行双击而不是单击
      • button （字符串，可选）：要点击的按钮（左、右、中），默认为左键
      • modifiers （数组，可选）：要按下的修饰键（Alt、Control、Meta、Shift）
    • 只读： 错误的

  • 浏览器关闭

    • 标题：关闭浏览器
    • 描述：关闭浏览器并清理所有资源
    • 参数：无
    • 只读： 错误的

  • 浏览器拖拽

    • 标题：拖动鼠标
    • 描述：在两个元素之间执行拖放操作
    • 参数：
      • start_element (字符串)：人类可读的源元素描述
      • start_locator (ElementLocator): 源元素定位器 - 可以是带有ARIA的AriaNode role 和 name 字段，或者带有选择器的（部分） selector 田野
      • start_nth （数字，可选）：当有多个匹配项时，源元素的零基索引
      • end_element （字符串）：人类可读的目标元素描述
      • end_locator (ElementLocator): 目标元素定位器 - 可以是带有ARIA的AriaNode role 和 name 字段，或带有选择器的（部分） selector 田野；领域；场地
      • end_nth (数字，可选)：当有多个匹配项时，目标元素的基于零的索引
    • 只读： 错误的

  • 浏览器文件上传

    • 标题：上传文件
    • 描述：上传一个或多个文件
    • 参数：
      • paths （数组，可选）：要上传的文件的绝对路径。如果省略，则取消文件选择器。
    • 只读： 错误的

  • 浏览器填写表单

    • 标题：填写表格
    • 描述：填写多个表单字段
    • 参数：
      • fields (array): 一个FormField对象的列表，每个对象都包含 element （字符串）， value （字符串）， locator (ElementLocator)，以及可选参数 nth （数字）
    • 只读： 错误的

  • 获取浏览器HTML内容

    • 标题：获取HTML内容
    • 描述：当定位器失败时，获取HTML内容以进行调试
    • 参数：
      • selector (字符串，可选)：用于从HTML中获取内容的CSS选择器（默认为body）
      • max_length （数字，可选）：要返回的最大字符数（默认50000）
      • filter_tags (数组，可选)：要移除的标签名称列表（例如，['script', 'style']）。默认值为 ['script']
    • 只读： 真

  • 获取浏览器文本内容

    • 标题：获取页面的文本内容
    • 描述：以Markdown格式获取页面的文本内容。在提取干净的文章文本时非常有用。
    • 参数：无
    • 只读： 真

  • 浏览器悬停

    • 标题：鼠标悬停
    • 描述：将鼠标悬停在页面上的元素上
    • 参数：
      • element (字符串)：可读的人类元素描述
      • locator (ElementLocator): 元素定位器 - 可以是带有ARIA的AriaNode role 和 name 字段，或者带有选择器的（部分） selector 田野
      • nth （数字，可选）：当有多个元素匹配时，使用基于零的索引来指定（例如，nth=0 表示第一个，nth=1 表示第二个）
    • 只读： 错误的

  • 浏览器导航

    • 标题：导航至URL
    • 描述：导航到一个URL
    • 参数：
      • url (字符串)：要导航到的URL
    • 只读： 错误的

  • 浏览器返回上一页

    • 标题：回去
    • 描述：返回上一页
    • 参数：无
    • 只读： 错误的

  • 打开浏览器

    • 标题：打开浏览器
    • 描述：打开一个新的浏览器实例
    • 参数：无
    • 只读： 错误的

  • 按下浏览器按键

    • 标题：按下一个键
    • 描述：按下键盘上的一个键
    • 参数：
      • key （字符串）：要按下的键名或要生成的字符，例如 ArrowLeft 或者 a
    • 只读： 错误的

  • 浏览器调整大小

    • 标题：调整浏览器窗口大小
    • 描述：调整浏览器窗口大小
    • 参数：
      • width （数字）：浏览器窗口的宽度
      • height （数字）：浏览器窗口的高度
    • 只读： 错误的

  • 浏览器搜索

    • 标题：在谷歌上搜索
    • 描述：使用谷歌搜索查找某个主题
    • 参数：
      • query (字符串)：要搜索的查询或主题
    • 只读： 错误的

  • 选择浏览器选项

    • 标题：选择选项
    • 描述：在下拉菜单中选择一个选项
    • 参数：
      • element (字符串)：人类可读的元素描述
      • values (array): 下拉列表中要选择的值的数组
      • locator (元素定位器)：元素定位器 - 可以是带有ARIA属性的ARIA节点 role 并且 name 字段，或者带有选择器的（部分） selector 田野（或领域，根据上下文可灵活翻译）
      • nth （数字，可选）：当多个元素匹配时，使用从零开始的索引（例如，nth=0 表示第一个，nth=1 表示第二个）
    • 只读： 错误的

  • 浏览器快照

    • 标题：页面快照
    • 描述：捕获当前页面的无障碍性快照
    • 参数：
      • locator (ElementLocator，可选)：元素定位器 - 可以是带有ARIA的AriaNode role 和 name 字段，或者带有选择器的（部分） selector 田野
      • nth （数字，可选）：当有多个元素匹配时，使用从零开始的索引（例如，nth=0 表示第一个，nth=1 表示第二个）
    • 只读： 真

  • 浏览器截图

    • 标题：截图
    • 描述：对当前页面进行截图
    • 参数：
      • type （字符串，可选）：图像格式（png 或 jpeg）。默认为 png。
      • element （字符串，可选）：人类可读的元素描述
      • locator (ElementLocator，可选)：元素定位器 - 可以是带有ARIA的AriaNode role 并且 name 字段，或带有选择器的（部分） selector 田野；领域；现场；场地
      • nth （数字，可选）：当有多个元素匹配时，使用从零开始的索引（例如，nth=0 表示第一个，nth=1 表示第二个）
      • full_page (布尔值，可选)：对整个可滚动页面进行截图
    • 只读： 真

  • 浏览器类型

    • 标题：输入文本
    • 描述：在可编辑元素中输入文本
    • 参数：
      • element (字符串)：人类可读的元素描述
      • text (字符串)：要输入到元素中的文本
      • locator (元素定位器)：元素定位器 - 可以是带有ARIA的AriaNode role 并且 name 字段，或带有选择器的（部分） selector 田野
      • nth （数字，可选）：当有多个元素匹配时，使用基于零的索引（例如，nth=0 表示第一个，nth=1 表示第二个）
      • submit (布尔值，可选)：是否提交（按回车键后）
      • slowly (布尔值，可选)：是否每次输入一个字符
    • 只读： 错误的

  • 等待浏览器（完成操作）

    • 标题：等待浏览器
    • 描述：等待指定的秒数时间。
    • 参数：
      • time (int): 等待时间（秒）
    • 只读： 真
Tab management
  • 浏览器标签页
    • 标题：管理标签页
    • 描述：列出、创建、关闭或选择浏览器标签页
    • 参数：
      • action (字符串)：要执行的操作（列出、创建、关闭、选择）
      • index （数字，可选）：用于关闭/选择操作的标签页索引。如果省略关闭操作，则关闭当前标签页。
    • 只读： 错误的

相关 MCP