使用说明

LangChain MCP剧作家客户端

一个Python客户端，将Playwright MCP（模型上下文协议）服务器与LangChain集成在一起，通过AI代理实现浏览器自动化。

概述

该项目实现了以下各项之间的无缝集成：

剧作家MCP服务器：通过MCP提供浏览器自动化功能
LangChain：构建AI代理应用程序的框架
Groq：使用Llama 3.3 70B等模型进行超快速LLM推理

客户端会自动发现可用的Playwright工具，并将其包装为LangChain工具，允许AI代理执行复杂的浏览器自动化任务。

特性

🔌 轻松连接：连接到Playwright MCP服务器的简单异步接口
🛠️ 自动工具发现：动态发现MCP工具并将其包装为LangChain工具
🤖 代理支持：创建具有完全浏览器自动化访问权限的LangChain代理
🔄 上下文管理：使用异步上下文管理器进行干净的资源管理
📝 类型提示：完整的类型注释，以获得更好的IDE支持
⚡ Groq集成：闪电般快速的LLM推理，实现快速的浏览器自动化

安装

先决条件

Python 3.8或更高版本
Node.js和npm（用于Playwright MCP服务器）
紫外线（推荐）或pip

设置

克隆或下载此存储库

安装Python依赖项:

使用紫外线（推荐-更快）:

# Install uv if you haven't already
# Windows: powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
# macOS/Linux: curl -LsSf https://astral.sh/uv/install.sh | sh

# Create virtual environment and install dependencies
uv venv
.venv\Scripts\activate  # Windows
# source .venv/bin/activate  # macOS/Linux

uv pip install -r requirements.txt

使用pip:

pip install -r requirements.txt

设置环境变量:
```
cp .env.example .env
```
编辑 .env 并添加您的Groq API密钥（从 console.groq.com):
```
GROQ_API_KEY=your_groq_api_key_here
```
验证Playwright MCP是否可用:
```
npx @playwright/mcp@latest --help
```

快速开始

基本用法

import asyncio
from dotenv import load_dotenv
from langchain_groq import ChatGroq
from langchain_mcp_client import create_playwright_mcp_client

async def main():
    load_dotenv()
    
    # Initialize LLM with Groq
    llm = ChatGroq(model="llama-3.3-70b-versatile", temperature=0)
    
    # Create and use MCP client
    async with create_playwright_mcp_client() as client:
        # Create agent
        agent = client.create_agent(llm)
        
        # Run a task
        result = await agent.ainvoke({
            "input": "Navigate to https://example.com and take a screenshot"
        })
        print(result['output'])

asyncio.run(main())

使用不同的LLM提供者

Groq（推荐-提供快速免费套餐）

from langchain_groq import ChatGroq

# Llama 3.3 70B - Best for complex tasks
llm = ChatGroq(model="llama-3.3-70b-versatile", temperature=0)

# Other models:
# llm = ChatGroq(model="llama-3.1-70b-versatile", temperature=0)
# llm = ChatGroq(model="mixtral-8x7b-32768", temperature=0)

其他提供者（需要额外的依赖关系）

# OpenAI: pip install langchain-openai
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4", temperature=0)

# Anthropic: pip install langchain-anthropic
from langchain_anthropic import ChatAnthropic
llm = ChatAnthropic(model="claude-3-5-sonnet-20241022", temperature=0)

自定义系统消息

async with create_playwright_mcp_client() as client:
    custom_message = (
        "You are an expert web scraper. "
        "Extract information precisely and efficiently."
    )
    agent = client.create_agent(llm, system_message=custom_message)

手动连接管理

from langchain_mcp_client import PlaywrightMCPClient

client = PlaywrightMCPClient()
try:
    await client.connect()
    print(f"Connected! Found {len(client.tools)} tools")
    
    agent = client.create_agent(llm)
    result = await agent.ainvoke({"input": "Your task here"})
finally:
    await client.disconnect()

api参考

`PlaywrightMCPClient`

用于与Playwright MCP服务器交互的主客户端类。

方法

async connect()：连接到MCP服务器并发现工具
create_agent(llm, system_message=None)：使用MCP工具创建LangChain代理
async disconnect()：断开与服务器的连接并清理资源

属性

tools：已发现的LangChain工具列表
session：活动MCP客户端会话

`create_playwright_mcp_client()`

异步上下文管理器，便于客户端生命周期管理。

退货: PlaywrightMCPClient 例子

示例:

async with create_playwright_mcp_client() as client:
    # Use client here
    pass

配置

MCP服务器配置

客户端使用以下方式连接到Playwright MCP：

{
  "command": "npx",
  "args": ["@playwright/mcp@latest"]
}

这是在中配置的 langchain_mcp_client.py 并运行最新版本的Playwright MCP。

环境变量

必修的：

GROQ_API_KEY：从获取您的免费API密钥 console.groq.com

可选（适用于其他提供商）：

OPENAI_API_KEY：对于OpenAI模型（需要 langchain-openai)
ANTHROPIC_API_KEY：对于Anthropic模型（需要 langchain-anthropic)

示例

运行示例脚本：

python example_usage.py

该脚本提供了多个示例：

OpenAI（GPT-4）使用情况
人类学（克劳德）用法
手动客户端管理
所有示例

可用工具

Playwright MCP服务器提供各种浏览器自动化工具。常用工具包括：

导航: playwright_navigate, playwright_goto
截图: playwright_screenshot
页面交互: playwright_click, playwright_fill, playwright_type
内容提取: playwright_evaluate, playwright_content
还有更多：连接时自动发现

要查看所有可用工具，请执行以下操作：

async with create_playwright_mcp_client() as client:
    for tool in client.tools:
        print(f"{tool.name}: {tool.description}")

故障排除

“会话未初始化”错误

一定要打电话 await client.connect() 在使用客户端之前，或者使用上下文管理器。

“无可用工具”错误

确保MCP服务器正常运行。测试：

npx @playwright/mcp@latest

API关键错误

验证您的 .env 文件包含有效的API密钥，并且 load_dotenv() 被称为。

连接超时

MCP服务器可能需要一点时间才能启动。如果您遇到超时，请确保：

Node.js和npm已正确安装
没有防火墙阻止npm/npx
@playwright/mcp@latest 可访问的

建筑

┌─────────────────┐
│   LangChain     │
│     Agent       │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  LangChain MCP  │
│     Client      │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│   MCP Session   │
│   (stdio)       │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  Playwright MCP │
│     Server      │
│  (npx process)  │
└─────────────────┘

贡献

欢迎投稿！请随意：

报告错误
建议功能
提交拉取请求

许可证

麻省理工学院许可证-请在您的项目中自由使用！

致谢

LangChain -AI代理框架
剧作家 -浏览器自动化
主控程序 -模型上下文协议

支持

对于问题或疑问：

检查故障排除部分
查看示例脚本
在GitHub上打开一个问题

自动化快乐！ 🚀 #� �m�c�p�_�b�r�o�w�s�e�r� � �