项目介绍
MCP Browser Operator
这是一个用于浏览器自动化的Model Control Protocol (MCP)服务器，它使LLMs能够通过标准化的JSON-RPC接口控制网络浏览器、与网页交互并分析网页内容。
功能
- 浏览器管理：创建、导航、操作和关闭浏览器实例
- 任务管理：使用任务ID跟踪浏览器操作的状态
- 网页交互：使用OpenAI的Computer Use API执行自然语言指令
- 浏览器工具：访问控制台日志、网络活动、截图等
- 审计：运行可访问性、性能、SEO和其他网页审计
要求
- Python 3.11+
- Playwright
- OpenAI API密钥（用于Computer Use API）
安装
-
克隆此仓库：
git clone https://github.com/yourusername/operator-mcp.git cd operator-mcp -
安装依赖项：
pip install -e . -
安装Playwright浏览器：
playwright install chromium -
设置您的OpenAI API密钥：
export OPENAI_API_KEY=your-api-key
使用方法
启动MCP服务器：
./run-server
该服务器通过标准输入监听JSON-RPC请求，并通过标准输出响应，遵循MCP协议。
可执行脚本
-
run-server- 运行MCP服务器（主要入口点）# 运行MCP服务器 ./run-server # 使用特定的日志目录运行 ./run-server --log-dir /path/to/logs # 在调试模式下运行 ./run-server --debug -
run-tests- 运行所有测试（可以选择仅单元测试或集成测试）# 运行所有测试 ./run-tests # 仅运行单元测试（更快） ./run-tests --unit-only # 仅运行集成测试 ./run-tests --integration-only # 运行详细输出 ./run-tests --verbose # 运行特定测试 ./run-tests --test TestBrowserOperatorMethods -
run-test-harness- 使用MCP Inspector运行服务器进行交互式测试# 使用MCP Inspector进行交互式测试 ./run-test-harness
核心方法
浏览器管理
-
创建浏览器：初始化一个新的浏览器实例
{ "jsonrpc": "2.0", "id": 1, "method": "mcp__browser-operator__create-browser", "params": { "project_name": "my-project" } } -
导航浏览器：引导浏览器到指定的URL
{ "jsonrpc": "2.0", "id": 2, "method": "mcp__browser-operator__navigate-browser", "params": { "project_name": "my-project", "url": "https://example.com" } } -
操作浏览器：执行自然语言指令以与浏览器交互
{ "jsonrpc": "2.0", "id": 3, "method": "mcp__browser-operator__operate-browser", "params": { "project_name": "my-project", "instruction": "找到这一页的标题并告诉我它说了什么。" } } -
关闭浏览器：终止一个浏览器实例
{ "jsonrpc": "2.0", "id": 4, "method": "mcp__browser-operator__close-browser", "params": { "project_name": "my-project" } }
任务管理
-
获取任务状态：通过任务ID检索操作的状态和结果
{ "jsonrpc": "2.0", "id": 5, "method": "mcp__browser-operator__get-job-status", "params": { "job_id": "job-12345" } } -
列出任务：查看最近的浏览器操作任务
{ "jsonrpc": "2.0", "id": 6, "method": "mcp__browser-operator__list-jobs", "params": { "limit": 10 } }
用户笔记
- 添加笔记：创建并存储与浏览器操作相关的笔记
{ "jsonrpc": "2.0", "id": 7, "method": "mcp__browser-operator__add-note", "params": { "name": "我的笔记", "content": "关于这个浏览器会话的重要信息" } }
额外的方法
浏览器调试工具
- 获取控制台日志：
mcp__browser-tools__getConsoleLogs - 获取控制台错误：
mcp__browser-tools__getConsoleErrors - 获取网络日志：
mcp__browser-tools__getNetworkLogs - 获取网络错误：
mcp__browser-tools__getNetworkErrors - 截屏：
mcp__browser-tools__takeScreenshot - 获取选中的元素：
mcp__browser-tools__getSelectedElement - 清除日志：
mcp__browser-tools__wipeLogs
审计工具
- 运行可访问性审计：
mcp__browser-tools__runAccessibilityAudit - 运行性能审计：
mcp__browser-tools__runPerformanceAudit - 运行SEO审计：
mcp__browser-tools__runSEOAudit - 运行NextJS审计：
mcp__browser-tools__runNextJSAudit - 运行最佳实践审计：
mcp__browser-tools__runBestPracticesAudit - 运行调试模式：
mcp__browser-tools__runDebuggerMode - 运行审计模式：
mcp__browser-tools__runAuditMode
异步工作流程模式
浏览器操作是异步的，并采用基于任务的方法：
- 开始操作：调用浏览器方法返回一个job_id
- 轮询完成：使用get-job-status直到任务完成
- 处理结果：当任务完成后，从任务状态中访问结果
这种方法防止客户端超时，同时允许复杂的浏览器操作完成。
持久的浏览器状态
当使用项目名称创建浏览器时，MCP Operator维护持久状态：
- 浏览器状态（cookie、本地存储、会话存储）在会话之间被保留
- 多个项目可以维护独立的浏览器状态
- 对于维持登录会话、购物车或其他个性化状态非常有用
项目结构
src/mcp_operator/：主包__init__.py：包初始化__main__.py：包的入口点server.py：MCP服务器实现browser.py：浏览器操作实现cua/：计算机使用API组件agent.py：代理实现computer.py：计算机接口utils.py：实用函数
run-server：运行MCP服务器的脚本run-tests：运行单元和集成测试的脚本run-test-harness：与MCP Inspector一起运行的脚本
开发
使用MCP Inspector
为了调试，请使用MCP Inspector：
# 使用包含的run-test-harness脚本
./run-test-harness
# 或直接：
npx @modelcontextprotocol/inspector ./run-server
这提供了一个Web界面来测试您的MCP服务器。
安全
- 对潜在有害站点进行域名屏蔽
- 导航前验证URL
- 不同浏览器实例之间的会话隔离
- 基于文件的日志记录（不使用stdout以保持MCP协议）