Browser Use Server

一个用于通过 Python 脚本进行浏览器自动化的 Model Context Protocol 服务器。与 Cline 一起使用。

功能

浏览器操作

• screenshot: 捕获网页的屏幕截图（全页或视口）
• get_html: 获取网页的 HTML 内容
• execute_js: 在网页上执行 JavaScript
• get_console_logs: 获取网页的控制台日志

所有操作都支持在页面加载后自定义交互步骤（例如，点击元素、滚动）。

先决条件

1. （可选但推荐）安装 Xvfb 以实现无头浏览器自动化：

# Ubuntu/Debian
sudo apt-get install xvfb

# CentOS/RHEL
sudo yum install xorg-x11-server-Xvfb

# Arch Linux
sudo pacman -S xorg-server-xvfb

Xvfb（X Virtual Frame Buffer）创建了一个虚拟显示器，允许浏览器自动化而不被检测为机器人。了解更多关于 Xvfb 的信息 这里。

1. 安装 Miniconda 或 Anaconda
2. 创建一个 Conda 环境：

conda create -n browser-use python=3.11
conda activate browser-use
pip install browser-use

1. 设置 LLM 配置：

该服务器支持多个 LLM 提供商。您可以使用以下任何 API 密钥：

# Required: Set at least one of these API keys
export GLHF_API_KEY=your_api_key
export GROQ_API_KEY=your_api_key
export OPENAI_API_KEY=your_api_key
export OPENROUTER_API_KEY=your_api_key
export GITHUB_API_KEY=your_api_key
export DEEPSEEK_API_KEY=your_api_key
export GEMINI_API_KEY=your_api_key
export OLLAMA_API_KEY=your_api_key

# Optional: Override default configuration
export MODEL=your_preferred_model  # Override the default model
export BASE_URL=your_custom_url    # Override the default API endpoint
export USE_VISION=false  # Enable/disable vision capabilities (default: false)

服务器将自动使用它找到的第一个可用 API 密钥。您可以选择使用环境变量来自定义任何提供商的模型和基础 URL。

安装

通过 Smithery 安装

要通过 Smithery 自动安装适用于 Claude Desktop 的 Browser Use Server：

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

1. 克隆此仓库
2. 安装依赖项：

npm install

1. 构建服务器：

npm run build

MCP 配置

将以下配置添加到您的 Cline MCP 设置中：

"browser-use": {
  "command": "node",
  "args": [
    "/home/YOUR_HOME/Documents/Cline/MCP/browser-use-server/build/index.js"
  ],
  "env": {
    // Required: Set at least one API key
    "GLHF_API_KEY": "your_api_key",
    "GROQ_API_KEY": "your_api_key",
    "OPENAI_API_KEY": "your_api_key",
    "OPENROUTER_API_KEY": "your_api_key",
    "GITHUB_API_KEY": "your_api_key",
    "DEEPSEEK_API_KEY": "your_api_key",
    "GEMINI_API_KEY": "your_api_key",
    "OLLAMA_API_KEY": "your_api_key",
    // Optional: Configuration overrides
    "MODEL": "your_preferred_model",
    "BASE_URL": "your_custom_url",
    "USE_VISION": "false"
  },
  "disabled": false,
  "autoApprove": []
}

替换：

• YOUR_HOME 为您的实际主目录名称
• your_api_key 为您的实际 API 密钥

使用方法

运行服务器：

node build/index.js

服务器将在 stdio 上可用，并支持以下操作：

屏幕截图

参数：

• url: 网页 URL（必需）
• full_page: 是否捕获全页还是仅捕获视口（可选，默认：false）
• steps: 用逗号分隔的操作或句子，描述页面加载后的步骤（可选）

获取 HTML

参数：

• url: 网页 URL（必需）
• steps: 用逗号分隔的操作或句子，描述页面加载后的步骤（可选）

执行 JavaScript

参数：

• url: 网页 URL（必需）
• script: 要执行的 JavaScript 代码（必需）
• steps: 用逗号分隔的操作或句子，描述页面加载后的步骤（可选）

获取控制台日志

参数：

• url: 网页 URL（必需）
• steps: 用逗号分隔的操作或句子，描述页面加载后的步骤（可选）

示例 Cline 用法

以下是一些您可以使用 browser-use 服务器和 Cline 实现的示例任务：

开发过程中修改网页元素

要更改需要身份验证的页面上的标题颜色：

Change the colour of the headline with the text "Alle Foren im Überblick." to deep blue on https://localhost:3000/foren/ page

To check/see the page, use browser-use MCP server to:
Open https://localhost:3000/auth,
Login with ztobs:Password123,
Navigate to https://localhost:3000/foren/,
Accept cookies if required

hint: execute all browser actions in one command with multiple comma-separated steps

此任务演示了：

• 使用逗号分隔步骤的多步浏览器自动化
• 身份验证处理
• Cookie 接受
• DOM 操作
• CSS 样式更改

服务器将按顺序执行这些步骤，并在过程中处理任何必要的交互。

配置

LLM 配置

服务器支持多个具有默认配置的 LLM 提供商：

• GLHF: 使用 deepseek-ai/DeepSeek-V3 模型
• Ollama: 使用 qwen2.5:32b-instruct-q4_K_M 模型，上下文窗口为 32k
• Groq: 使用 deepseek-r1-distill-llama-70b 模型
• OpenAI: 使用 gpt-4o-mini 模型
• Openrouter: 使用 deepseek/deepseek-chat 模型
• Github: 使用 gpt-4o-mini 模型
• DeepSeek: 使用 deepseek-chat 模型
• Gemini: 使用 gemini-2.0-flash-exp 模型

您可以使用环境变量覆盖这些默认设置：

• MODEL: 为任何提供商设置自定义模型名称
• BASE_URL: 设置自定义 API 端点 URL（如果提供商支持）

视觉支持

服务器通过 USE_VISION 环境变量支持视觉功能：

• 设置 USE_VISION=true 以启用浏览器操作的视觉能力
• 默认值为 false，以便在不需要视觉时优化性能
• 对于需要对网页内容进行视觉理解的任务非常有用

Xvfb 支持

服务器会自动检测是否安装了 Xvfb 并：

• 在可用时使用 xvfb-run，从而在不被机器人检测的情况下实现更好的浏览器自动化
• 如果未安装 Xvfb，则回退到直接执行
• 相应地设置 RUNNING_UNDER_XVFB 环境变量

超时

默认超时时间为 5 分钟（300000 毫秒）。可以通过修改 build/index.js 中的 TIMEOUT 常量来更改此设置。

错误处理

服务器提供了详细的错误消息，包括：

• Python 脚本执行失败
• 浏览器操作超时
• 参数无效

调试

使用 MCP Inspector 进行调试：

npm run inspector

引用

@software{browser_use2024,
  author = {Müller, Magnus and Žunič, Gregor},
  title = {Browser Use: Enable AI to control your browser},
  year = {2024},
  publisher = {GitHub},
  url = {https://github.com/browser-use/browser-use}
}

许可证

MIT