支持浏览器使用的MCP服务器

为browser-use开发的MCP服务器。

概述

本仓库包含为browser-use库开发的服务器，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进行交互。该服务器基于Anthropic的模型上下文协议 (MCP)构建，并与browser-use库无缝集成。

功能

1. 浏览器控制

• 通过自然语言实现自动化浏览器交互
• 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

2. 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
• 为操作提供结构化的JSON响应
• 消息历史记录管理和摘要生成

3. 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、持久化）
• 模型提供商选择和参数设置

依赖项

本项目依赖以下Python包：

组件

资源

服务器实现了一个浏览器自动化系统，包含：

• 与browser-use库的集成，提供高级浏览器控制
• 自定义浏览器自动化功能
• 基于代理的交互系统，具备视觉功能
• 持久化状态管理
• 可定制的模型设置

要求

• 操作系统（Linux、macOS、Windows；我们尚未测试Docker或Microsoft WSL）
• Python 3.11或更高版本
• uv（快速的Python包安装工具）
• Chrome/Chromium浏览器
• Claude Desktop

快速开始

Claude Desktop

在MacOS上：~/Library/Application\ Support/Claude/claude_desktop_config.json
在Windows上：%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": "",
      // 设置为false以禁用匿名遥测
      "ANONYMIZED_TELEMETRY": "false",
      // Chrome设置
      "CHROME_PATH": "",
      "CHROME_USER_DATA": "",
      "CHROME_DEBUGGING_PORT": "9222",
      "CHROME_DEBUGGING_HOST": "localhost",
      // 设置为true以在AI任务之间保持浏览器打开
      "CHROME_PERSISTENT_SESSION": "false",
      // 模型设置
      "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密钥
ANTHROPIC_API_KEY=anthropic_key

# Chrome配置
# 可选：Chrome可执行文件的路径
CHROME_PATH=/path/to/chrome
# 可选：Chrome用户数据目录
CHROME_USER_DATA=/path/to/user/data
# 默认：9222
CHROME_DEBUGGING_PORT=9222
# 默认：localhost
CHROME_DEBUGGING_HOST=localhost
# 在任务之间保持浏览器打开
CHROME_PERSISTENT_SESSION=false

# 模型设置
# 选项：anthropic, openai, azure, deepseek
MCP_MODEL_PROVIDER=anthropic
# 模型名称
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

2. 创建并激活虚拟环境：

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

3. 安装依赖项：

uv sync

4. 启动服务器

uv run mcp-browser-use

调试

对于调试，使用MCP Inspector：

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

Inspector将显示调试界面的URL。

浏览器操作

服务器支持通过自然语言进行各种浏览器操作：

• 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、截图
• 标签页：创建、关闭、切换标签页
• 视觉：通过外观查找元素
• Cookie和存储：管理浏览器状态

安全性

需要注意的是，有一些Chrome设置被配置为允许服务器控制浏览器。这是一个安全风险，应谨慎使用。该服务器不适用于生产环境。

安全详情：SECURITY.MD

贡献

我们欢迎对本项目的贡献。请按照以下步骤进行：

1. Fork本仓库。
2. 创建您的功能分支：git checkout -b my-new-feature。
3. 提交您的更改：git commit -m '添加一些功能'。
4. 推送到分支：git push origin my-new-feature。
5. 提交拉取请求。

对于重大更改，请先打开一个问题讨论您想要更改的内容。请根据需要更新测试以反映所做的更改。