浏览器自动化服务器

浏览器使用MCP服务器

项目说明：此MCP服务器实现基于 浏览器使用/web用户界面 基础。核心浏览器自动化逻辑和配置模式改编自原始项目。

人工智能驱动的浏览器自动化服务器，实现了用于自然语言浏览器控制和web研究的模型上下文协议（MCP）。

特性

• 🧠 MCP集成 -AI代理通信的完整协议实现。
• 🌐 浏览器自动化 -页面导航、表单填写、自然语言元素交互(run_browser_agent 工具）。
• 👁️ 视觉理解 -支持视觉的LLM的可选屏幕截图分析。
• 🔄 状态持久性 -通过多个MCP调用管理浏览器会话或连接到用户浏览器的选项。
• 🔌 多LLM支持 -与OpenAI、Anthropic、Azure、DeepSeek、谷歌、Mistral、Ollama、OpenRouter、阿里巴巴、Moonshot、Unbound AI集成。
• 🔍 深度研究工具 -用于多步骤网络研究和报告生成的专用工具(run_deep_search 工具）。
• ⚙️ 环境变量配置 -完全可通过环境变量进行配置。
• 🔗 CDP连接 -能够通过Chrome DevTools协议连接和控制用户启动的Chrome/Chromium实例。

快速开始

先决条件

• Python 3.11或更高版本
• uv （快速Python包安装程序）： pip install uv
• 已安装Chrome/Chromium浏览器
• 安装Playwright浏览器： uv sync 然后 uv run playwright install

与MCP客户端集成（例如，Claude Desktop）

您可以配置像Claude Desktop这样的客户端连接到此服务器。将以下结构添加到客户端的配置中（例如。， claude_desktop_config.json)，根据需要调整路径和环境变量：

// Example for Claude Desktop config
"mcpServers": {
    "browser-use": {
      // Option 1: Run installed package
      // "command": "uvx",
      // "args": ["mcp-server-browser-use"],

      // Option 2: Run from local development source
      "command": "uvx",
      "args": [
        "mcp-server-browser-use"
      ],
      "env": {
        // --- CRITICAL: Add required API keys here ---
        "OPENAI_API_KEY": "YOUR_KEY_HERE_IF_USING_OPENAI",
        "ANTHROPIC_API_KEY": "YOUR_KEY_HERE_IF_USING_ANTHROPIC",
        // ... add other keys based on MCP_MODEL_PROVIDER ...

        // --- Optional Overrides (defaults are usually fine) ---
        "MCP_MODEL_PROVIDER": "anthropic", // Default provider
        "MCP_MODEL_NAME": "claude-3-7-sonnet-20250219", // Default model
        "BROWSER_HEADLESS": "true",    // Default: run browser without UI
        "BROWSER_USE_LOGGING_LEVEL": "INFO",

        // --- Example for connecting to your own browser ---
        // "MCP_USE_OWN_BROWSER": "true",
        // "CHROME_CDP": "http://localhost:9222",

        // Ensure Python uses UTF-8
        "PYTHONIOENCODING": "utf-8",
        "PYTHONUNBUFFERED": "1",
        "PYTHONUTF8": "1"
      }
    }
}

重要提示： 确保 command 和 args 正确指向您希望如何运行服务器（安装的包或源目录）。在中设置必要的API密钥 env 部分。

MCP工具

此服务器通过模型上下文协议公开以下工具：

同步工具（等待完成）

1. run_browser_agent

   • 说明： 根据自然语言指令执行浏览器自动化任务，并等待其完成。使用前缀为的设置 MCP_ （例如。， MCP_HEADLESS, MCP_MAX_STEPS).
   • 论据：
     • task （string，必填）：主要任务或目标。
     • add_infos （string，可选）：代理的其他上下文或提示（由使用 custom 代理类型）。
   • 退货： （string）代理提取的最终结果或错误消息。

2. run_deep_search

   • 说明： 对某个主题进行深入的网络研究，生成报告，并等待完成。使用前缀为的设置 MCP_RESEARCH_ 和一般 BROWSER_ 设置（例如。， BROWSER_HEADLESS).
   • 论据：
     • research_task （string，必填）：研究的主题或问题。
     • max_search_iterations （整数，可选，默认值：10）：最大搜索周期。
     • max_query_per_iteration （整数，可选，默认值：3）：每个周期的最大搜索查询数。
   • 退货： （string）生成的Markdown格式的研究报告，包括文件路径或错误消息。

配置（环境变量）

使用环境变量配置服务器。您可以在系统中设置这些，也可以将它们放置在 .env 项目根目录中的文件。

支持的LLM提供商(MCP_MODEL_PROVIDER):

openai, azure_openai, anthropic, google, mistral, ollama, deepseek, openrouter, alibaba, moonshot, unbound

连接到自己的浏览器（CDP）

您可以将服务器连接到您自己启动和管理的Chrome/Chromium浏览器，而不是让服务器启动和管理自己的浏览器实例。这有助于：

• 使用您现有的浏览器配置文件（Cookie、登录名、扩展名）。
• 直接在您自己的浏览器窗口中观察自动化。
• 调试复杂场景。

步骤：

1. 启动启用远程调试的Chrome/Chromium： 打开终端或命令提示符，运行适合您操作系统的命令。此操作会通知Chrome侦听特定端口（例如9222）上的连接。

   • macOS：

     复制

     /Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=9222
     

     （如果Chrome安装在其他地方，请调整路径）

   • Linux：

     复制

     google-chrome --remote-debugging-port=9222
     # or
     chromium-browser --remote-debugging-port=9222
     

   • Windows（命令提示符）：

     复制

     "C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222
     

     （必要时调整Chrome安装路径）

   • Windows（PowerShell）：

     复制

     & "C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222
     

     （必要时调整Chrome安装路径）

   注： 如果端口9222已在使用中，请选择其他端口（例如9223）并在 CHROME_CDP 环境变量。

2. 配置环境变量： 在您的 .env 启动MCP服务器之前的文件或系统环境：

   复制

   MCP_USE_OWN_BROWSER=true
   CHROME_CDP=http://localhost:9222 # Use the same port you launched Chrome with
   

   • MCP_USE_OWN_BROWSER=true：告诉服务器连接到现有浏览器，而不是启动浏览器。
   • CHROME_CDP：指定服务器可以连接到浏览器的DevTools协议端点的URL。

3. 运行MCP服务器： 像往常一样启动服务器：

   复制

   uv run mcp-server-browser-use
   

现在，当你使用 run_browser_agent 或 run_deep_search 工具，服务器将连接到您正在运行的Chrome实例，而不是创建一个新的实例。

重要注意事项：

• 浏览器启动时 --remote-debugging-port MCP服务器运行时必须保持打开状态，并需要与之交互。
• 确保 CHROME_CDP 可以从运行MCP服务器的位置访问URL（通常 http://localhost:PORT 如果在同一台机器上运行）。
• 使用自己的浏览器意味着服务器会继承其状态（打开的选项卡、登录的会话）。在自动化过程中要注意这一点。
• 设置如 MCP_HEADLESS, BROWSER_HEADLESS, MCP_KEEP_BROWSER_OPEN 在以下情况下被忽略 MCP_USE_OWN_BROWSER=true。窗口大小由浏览器窗口决定。

发展

# Install dev dependencies and sync project deps
uv sync --dev

# Install playwright browsers
uv run playwright install

# Run with debugger (Example connecting to own browser via CDP)
# 1. Launch Chrome: google-chrome --remote-debugging-port=9222
# 2. Run inspector command:
npx @modelcontextprotocol/inspector@latest \
  -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \
  -e MCP_MODEL_PROVIDER=anthropic \
  -e MCP_MODEL_NAME=claude-3-7-sonnet-20250219 \
  -e MCP_USE_OWN_BROWSER=true \
  -e CHROME_CDP=http://localhost:9222 \
  uv --directory . run mcp run src/mcp_server_browser_use/server.py
# Note: Change timeout in inspector's config panel if needed (default is 10 seconds)

故障排除

• 浏览器冲突：如果 不 使用 CHROME_CDP (MCP_USE_OWN_BROWSER=false)，如果出现以下情况，请确保没有其他冲突的Chrome实例使用相同的用户数据目录运行 CHROME_USER_DATA 已指定。
• CDP连接问题：如果使用 MCP_USE_OWN_BROWSER=true:
  • 验证Chrome是否随 --remote-debugging-port 旗帜。
  • 确保端口处于 CHROME_CDP 与启动Chrome时使用的端口匹配。
  • 检查防火墙是否阻止了与指定端口的连接。
  • 确保浏览器仍在运行。
• API错误：双击检查正确的API密钥环境变量(OPENAI_API_KEY, ANTHROPIC_API_KEY等）为您选择的设置 MCP_MODEL_PROVIDER，或 MCP_API_KEY 已设置。验证密钥和端点(AZURE_OPENAI_ENDPOINT Azure需要）。
• 愿景问题：确保 MCP_USE_VISION=true 如果使用视觉特征，并且您选择的LLM模型支持视觉。
• 依赖性问题：运行 uv sync 以确保所有依赖项都已正确安装。检查 pyproject.toml.
• 日志记录：检查由指定的日志文件 LOG_FILE （默认值： mcp_server_browser_use.log)查看详细的错误消息。增加 BROWSER_USE_LOGGING_LEVEL 到 DEBUG 以获得更详细的输出。

许可证

麻省理工学院-参见 许可证 了解详情。