AI导哈

浏览器自动化工具

结合Playwright MCP服务器、Google Gemini AI和Python MCP客户端，通过自然语言指令控制浏览器操作。

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

使用说明

使用MCP + Playwright + Gemini LLM实现浏览器自动化

使用自然语言指令控制网页浏览器 你可以看到浏览器的实际运行情况！

这结合了：

  • Playwright MCP 服务器提供浏览器自动化功能
  • 谷歌Gemini人工智能解释您的指令并决定采取哪些浏览器操作
  • Python MCP 客户端将一切连接在一起

先决条件

✅ 所有已安装：

  • Python 3.11
  • Node.js 版本 22.21.0
  • npx 版本 10.9.4

安装

  1. 安装Python依赖项:
pip install google-genai mcp python-dotenv
  1. 设置您的Gemini API密钥: 这个（或“该”） .env 文件已包含您的API密钥：
GEMINI_API_KEY=AIzaSyBvQQ0N2P_fimDDUPphRQc_Rrmpd5Fo_28
  1. Playwright MCP服务器 当你运行脚本时，它将通过 npx 自动下载。

使用方法

交互模式

不带参数运行以进入交互模式：

python browser_automation.py

系统会提示您输入指令。

命令行模式

将您的指令作为命令行参数传递：

python browser_automation.py "Open https://news.ycombinator.com and tell me the first story"

python browser_automation.py "Go to https://github.com and take a screenshot"

python browser_automation.py "Navigate to https://www.google.com and search for Python tutorials"

示例说明

以下是一些你可以让它做的事情：

  • "Open https://www.google.com"
  • "Navigate to https://news.ycombinator.com and view the page content"
  • "Go to https://github.com and take a screenshot"
  • "Open https://www.wikipedia.org and search for 'artificial intelligence'"
  • "Navigate to https://www.python.org and tell me the latest Python version"

它是如何工作的

  1. 你提供 自然语言指令
  2. Gemini LLM 理解您的指令并决定使用哪种浏览器自动化工具
  3. 剧作家MCP 执行浏览器操作（导航、点击、输入、截图等）
  4. 结果 被发送回Gemini，Gemini提供一个便于人类理解的总结

可用的浏览器操作

Playwright MCP 服务器提供以下工具：

  • browser_navigate - 导航到一个URL
  • browser_snapshot - 获取当前页面内容
  • browser_click - 点击元素
  • browser_type - 在字段中输入文本
  • browser_screenshot - 截图
  • browser_wait_for - 等待元素或条件
  • browser_tabs - 管理浏览器标签页
  • 还有很多！

故障排除

DNS解析错误

如果你看到 ERR_NAME_NOT_RESOLVED这意味着您的网络无法访问该网站。请尝试：

  • 检查你的网络连接
  • 尝试访问不同的网站
  • 使用IP地址而不是域名

模型过载

如果你看到 503 UNAVAILABLE - model overloadedGemini模型很忙。脚本使用了 gemini-2.0-flash-exp 这通常是可用的。你也可以尝试：

  • gemini-1.5-flash
  • gemini-1.5-pro

模式错误

该脚本包含了积极的模式清理功能，以处理MCP与Gemini函数调用格式之间的不兼容问题。

浏览器显示模式

默认情况下，浏览器窗口是 可见（头部模式） 这样你就可以观看自动化过程的发生！

要隐藏浏览器窗口，请编辑 browser_automation.py 并且改变：

HEADLESS = False  # Change to True to hide the browser

文件

  • browser_automation.py - 你唯一需要的脚本！ 完整的浏览器自动化
  • .env - 包含您的Gemini API密钥
  • requirements.txt - Python 依赖项
  • README.md - 这个文件

下一步行动

  • 修改其中的指令 main_simple.py 以满足您的需求
  • 通过扩展代码构建多步骤自动化流程
  • 添加错误处理和重试逻辑
  • 创建一个用于交互式对话的循环

功劳/学分/资历（根据上下文具体含义而定）

  • Playwright MCP（微软Playwright多浏览器配置文件）: https://github.com/microsoft/playwright-mcp
  • Google Gemini: https://ai.google.dev/
  • MCP（模型上下文协议）：https://modelcontextprotocol.io/

相关 MCP