MCP 服务器与浏览器使用

用于 browser-use 的 MCP 服务器。

概述

此仓库包含了 browser-use 库的服务器，该库提供了一个强大的浏览器自动化系统，使 AI 代理能够通过自然语言与网页浏览器交互。服务器基于 Anthropic 的 Model Context Protocol (MCP) 构建，并与 browser-use 库无缝集成。

功能

1. 浏览器控制

• 通过自然语言进行自动化的浏览器交互
• 导航、表单填写、点击和滚动功能
• 标签页管理和截图功能
• Cookie 和状态管理

1. 代理系统

• 在 custom_agent.py 中实现自定义代理
• 基于视觉的元素检测
• 结构化的 JSON 响应动作
• 消息历史管理和摘要

1. 配置

• 基于环境的 API 密钥和设置配置
• Chrome 浏览器设置（调试端口、持久性）
• 模型提供商选择及参数

依赖项

本项目依赖于以下 Python 包：

组件

资源

服务器实现了一个浏览器自动化系统，包括：

• 与浏览器使用库集成以进行高级浏览器控制
• 自定义浏览器自动化功能
• 基于代理的交互系统，具备视觉能力
• 持久状态管理
• 可自定义的模型设置

需求

• 操作系统（Linux, macOS, Windows；我们尚未在Docker或Microsoft WSL上测试）
• Python 3.11 或更高版本
• uv（快速Python包安装器）
• Chrome/Chromium 浏览器
• Claude Desktop

快速开始

Claude Desktop

在MacOS: ~/Library/Application\ Support/Claude/claude_desktop_config.json
在Windows: %APPDATA%/Claude/claude_desktop_config.json

通过Smithery安装

要通过Smithery自动为Claude Desktop安装Browser Use:

npx -y @smithery/cli install @JovaniPink/mcp-browser-use --client claude

"mcpServers": {
  "mcp_server_browser_use": {
    "command": "uvx",
    "args": [
      "mcp-server-browser-use",
    ],
    "env": {
      "OPENAI_ENDPOINT": "https://api.openai.com/v1",
      "OPENAI_API_KEY": "",
      "ANTHROPIC_API_KEY": "",
      "GOOGLE_API_KEY": "",
      "AZURE_OPENAI_ENDPOINT": "",
      "AZURE_OPENAI_API_KEY": "",
      // "DEEPSEEK_ENDPOINT": "https://api.deepseek.com",
      // "DEEPSEEK_API_KEY": "",
      // Set to false to disable anonymized telemetry
      "ANONYMIZED_TELEMETRY": "false",
      // Chrome settings
      "CHROME_PATH": "",
      "CHROME_USER_DATA": "",
      "CHROME_DEBUGGING_PORT": "9222",
      "CHROME_DEBUGGING_HOST": "localhost",
      // Set to true to keep browser open between AI tasks
      "CHROME_PERSISTENT_SESSION": "false",
      // Model settings
      "MCP_MODEL_PROVIDER": "anthropic",
      "MCP_MODEL_NAME": "claude-3-5-sonnet-20241022",
      "MCP_TEMPERATURE": "0.3",
      "MCP_MAX_STEPS": "30",
      "MCP_USE_VISION": "true",
      "MCP_MAX_ACTIONS_PER_STEP": "5",
      "MCP_TOOL_CALL_IN_CONTENT": "true"
    }
  }
}

环境变量

关键环境变量：

# API Keys
ANTHROPIC_API_KEY=anthropic_key

# Chrome Configuration
# Optional: Path to Chrome executable
CHROME_PATH=/path/to/chrome
# Optional: Chrome user data directory
CHROME_USER_DATA=/path/to/user/data
# Default: 9222
CHROME_DEBUGGING_PORT=9222
# Default: localhost
CHROME_DEBUGGING_HOST=localhost
# Keep browser open between tasks
CHROME_PERSISTENT_SESSION=false

# Model Settings
# Options: anthropic, openai, azure, deepseek
MCP_MODEL_PROVIDER=anthropic
# Model name
MCP_MODEL_NAME=claude-3-5-sonnet-20241022
MCP_TEMPERATURE=0.3
MCP_MAX_STEPS=30
MCP_USE_VISION=true
MCP_MAX_ACTIONS_PER_STEP=5

开发

设置

1. 克隆仓库：

git clone https://github.com/JovaniPink/mcp-browser-use.git
cd mcp-browser-use

1. 创建并激活虚拟环境：

python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

1. 安装依赖项：

uv sync

1. 启动服务器

uv run mcp-browser-use

调试

对于调试，请使用MCP Inspector:

npx @modelcontextprotocol/inspector uv --directory /path/to/project run mcp-server-browser-use

Inspector将显示一个用于调试界面的URL。

浏览器操作

服务器支持通过自然语言执行各种浏览器操作：

• 导航：访问URL、前进/后退、刷新
• 交互：点击、输入、滚动、悬停
• 表单：填写表单、提交、选择选项
• 状态：获取页面内容、截屏
• 标签页：创建、关闭、切换标签页
• 视觉：根据视觉外观查找元素
• Cookies & 存储：管理浏览器状态

安全性

需要注意的是，有一些Chrome设置被设定为允许服务器控制浏览器。这是一个安全风险，应谨慎使用。该服务器不打算用于生产环境。

安全详情：SECURITY.MD

贡献

我们欢迎对该项目的贡献。请遵循以下步骤：

1. 分叉此仓库。
2. 创建你的特性分支：git checkout -b my-new-feature。
3. 提交更改：git commit -m 'Add some feature'。
4. 推送到分支：git push origin my-new-feature。
5. 提交拉取请求。

对于重大变更，请先打开一个问题来讨论你想要更改的内容。请适当更新测试以反映所做的任何更改。