@agent-infra/mcp-server-browser

浏览器使用 MCP 服务器

一个快速,轻量级的模型上下文协议(MCP)服务器,通过Puppeteer的结构化可访问性数据赋予LLMs以浏览器自动化的能力,其特点是可选的视觉模式,用于复杂的视觉理解和灵活的跨平台配置.

关键特性

• 快速和轻量级. 使用 Puppeteer 的标签索引,而不是基于像素的输入和访问 DOM 树.
• ++ 愿景模式支持. 在结构化数据不足时,可选择的视觉理解能力用于复杂的布局和视觉元素.
• * LLM优化. 不需要视觉模型,完全依靠结构化数据运作,减少上下文符号的使用.
• XQ 灵活运行时配置。自定义视图大小、协调系统因子,以及运行时通过HTTP头的用户代理.
• ++ 跨平面并可扩展。支持远程和本地浏览器,使用自定义浏览器引擎.

所需资源

• 节点.js 18或更新
• VS 代码、 光标、 Windsurf、 Claude 桌面或任何其他 MCP 客户端

开始

当地( Stdio)

首先,用客户端安装浏览器MCP服务器. 一个典型的配置是这样的:

{
  "mcpServers": {
    "browser": {
      "command": "npx",
      "args": [
        "@agent-infra/mcp-server-browser@latest"
      ]
    }
  }
}

# For VS Code
code --add-mcp '{"name":"browser","command":"npx","args":["@agent-infra/mcp-server-browser@latest"]}'

{
  "mcpServers": {
    "browser": {
      "command": "npx",
      "args": [
        "@agent-infra/mcp-server-browser@latest"
      ]
    }
  }
}

{
  "mcpServers": {
    "browser": {
      "command": "npx",
      "args": [
        "@agent-infra/mcp-server-browser@latest"
      ]
    }
  }
}

{
  "mcpServers": {
    "browser": {
      "command": "npx",
      "args": [
        "@agent-infra/mcp-server-browser@latest"
      ]
    }
  }
}

远程( SSE / 可流 HTTP)

同时使用 --port $your_port 启动浏览器mcp的参数可以被转换为SSE和可流式HTTP服务器.

# normal run remote mcp server
npx @agent-infra/mcp-server-browser --port 8089

# run with DISPLAY environment for VNC or other virtual display
DISPLAY=:0 npx @agent-infra/mcp-server-browser --port 8089

您可以使用两个 MCP 服务器远程端点中的一个 :

• 可流取的 HTTP( 建议): http://127.0.0.1::8089/mcp
• SSE : (英语) http://127.0.0.1::8089/sse

然后在MCP客户端配置中设置 url 至SSE 端点 :

{
  "mcpServers": {
    "browser": {
      "url": "http://127.0.0.1::8089/sse"
    }
  }
}

url 转到可流式 HTTP :

{
  "mcpServers": {
    "browser": {
      "type": "streamable-http", // If there is MCP Client support
      "url": "http://127.0.0.1::8089/mcp"
    }
  }
}

纪念电话

如果您的MCP客户端是基于JavaScript / TypeScript开发的,可以直接使用进程内调用来避免要求您的用户安装命令行界面来使用浏览器MCP.

import { Client } from '@modelcontextprotocol/sdk/client/index.js';
import { InMemoryTransport } from '@modelcontextprotocol/sdk/inMemory.js';

// type: module project usage
import { createServer } from '@agent-infra/mcp-server-browser';
// commonjs project usage
// const { createServer } = await import('@agent-infra/mcp-server-browser')

const client = new Client(
  {
    name: 'test browser client',
    version: '1.0',
  },
  {
    capabilities: {},
  },
);

const server = createServer();
const [clientTransport, serverTransport] = InMemoryTransport.createLinkedPair();

await Promise.all([
  client.connect(clientTransport),
  server.connect(serverTransport),
]);

// list tools
const result = await client.listTools();
console.log(result);

// call tool
const toolResult = await client.callTool({
  name: 'browser_navigate',
  arguments: {
    url: 'https://www.google.com',
  },
});
console.log(toolResult);

配置

浏览器 MCP 服务器支持以下参数 。 可在上面的JSON配置中提供,作为 "args" 列表 :

> npx @agent-infra/mcp-server-browser@latest -h
  -V, --version              output the version number
  --browser <browser>        browser or chrome channel to use, possible values: chrome, edge, firefox.
  --cdp-endpoint <endpoint>  CDP endpoint to connect to, for example "http://127.0.0.1:9222/json/version"
  --ws-endpoint <endpoint>   WebSocket endpoint to connect to, for example "ws://127.0.0.1:9222/devtools/browser/{id}"
  --executable-path <path>   path to the browser executable.
  --headless                 run browser in headless mode, headed by default
  --host <host>              host to bind server to. Default is localhost. Use 0.0.0.0 to bind to all interfaces.
  --port <port>              port to listen on for SSE and HTTP transport.
  --proxy-bypass <bypass>    comma-separated domains to bypass proxy, for example ".com,chromium.org,.domain.com"
  --proxy-server <proxy>     specify proxy server, for example "http://myproxy:3128" or "socks5://myproxy:8080"
  --user-agent <ua string>   specify user agent string
  --user-data-dir <path>     path to the user data directory.
  --viewport-size <size>     specify browser viewport size in pixels, for example "1280, 720"
  --output-dir <path>        path to the directory for output files
  --vision                   Run server that uses screenshots (Aria snapshots are used by default)
  -h, --help                 display help for command

运行时配置

浏览器运行时间需要配置 Viewport Size, (中文(简体) ), Vision Model Coordinate Factors,以及 User Agent。这些可以通过相应的 HTTP 头来传递 :

说明: 标题为不区分大小写.

示例

x-viewport-size: 1920,1080
x-vision-factors: 1.0,1.0
x-user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36

夹克

我们统一部署 VNC 和 MCP 在单一的 URL 端点下, Dockerfile 和 DockerHub 图像将一起发布! 视频

API 密码

工具

资源

发展

查阅 http://127.0.0.1:6274/:

npm run dev

扩展 CLI 条目

#!/usr/bin/env node

const {
  BaseLogger,
  setConfig,
  addMiddleware,
} = require('@agent-infra/mcp-server-browser/request-context');

class CustomLogger extends BaseLogger {
  info(...args) {
    console.log('custom');
    console.log(...args);
  }
}

addMiddleware((req, res, next) => {
  console.log('req', req.headers);
  next();
});

setConfig({
  logger: new CustomLogger(),
});

// start server
require('@agent-infra/mcp-server-browser/index');