使用Ollama的MCP浏览器自动化

这是一个强大的浏览器自动化系统，使AI代理能够通过模型上下文协议（MCP）控制网络浏览器。此实现特别设计用于与Ollama本地模型配合使用，提供了一种安全且高效的方法，利用本地托管的AI模型来自动化浏览器交互。

特性

• MCP集成：完全支持模型上下文协议，用于结构化的AI-浏览器通信
• Ollama模型支持：针对通过Ollama运行的本地AI模型进行了优化
• 浏览器控制：使用Playwright（Chrome、Firefox、Safari）进行完整的浏览器自动化
• AI驱动的自动化：通过本地LLMs进行自然语言浏览器控制
• 截图功能：视觉反馈和支持调试
• 会话管理：具有自动清理功能的多个浏览器会话
• 交互模式：AI与浏览器状态之间的连续反馈循环
• 优化显示：浏览器以最大化（1920x1080）启动，以减少滚动

快速开始

先决条件

• Python 3.8+
• 安装并运行Ollama
• uv包管理器（推荐）

安装

# 克隆仓库
git clone https://github.com/Cam10001110101/mcp-server-browser-use-ollama
cd mcp-server-browser-use-ollama

# 使用uv安装（推荐）
uv pip install -e .
playwright install

# 启动Ollama并拉取模型
ollama serve  # 在一个终端中
ollama pull qwen3  # 在另一个终端中

使用

该系统可以以两种模式使用：

选项1：直接MCP集成（与Claude Desktop）

在claude_desktop_config.json中配置：

{
  "mcpServers": {
    "browser-use-ollama": {
      "command": "/path/to/.venv/bin/python",
      "args": ["/path/to/src/server.py"]
    }
  }
}

选项2：Ollama驱动的自动化

# 带有对话历史的交互式自动化
python src/client.py src/server.py

# 通过命令行执行自定义任务
python src/client.py src/server.py "导航到Google并搜索'Ollama模型'"

# 从文件执行复杂任务
python src/client.py src/server.py task_description.txt --file

# 使用自定义模型
python src/client.py src/server.py "您的任务" --model llama3.2:latest

可用工具

MCP服务器提供了10个浏览器自动化工具：

• launch_browser(url) - 启动浏览器并导航至URL
• click_element(session_id, x, y) - 点击坐标位置
• click_selector(session_id, selector) - 通过CSS选择器点击元素
• type_text(session_id, text) - 在当前位置输入文本
• scroll_page(session_id, direction) - 向上或向下滚动页面
• get_page_content(session_id) - 提取页面文本内容
• get_dom_structure(session_id, max_depth) - 获取DOM树
• extract_data(session_id, pattern) - 提取结构化数据
• take_screenshot(session_id) - 捕获屏幕截图
• close_browser(session_id) - 关闭浏览器会话

示例

基本网络搜索

python src/client.py src/server.py "在Google上搜索'Ollama模型'并总结前三个结果"

电子商务分析

python src/client.py src/server.py "比较Amazon上的无线耳机 - 创建包含价格、评分和特性的表格"

研究工作流程

python src/client.py src/server.py "研究2024年变压器架构改进，访问5个来源，并编译摘要"

文件为基础的复杂任务

# 创建任务文件
echo "导航到GitHub，搜索MCP存储库，并分析前五个结果" > my_task.txt

# 运行任务
python src/client.py src/server.py my_task.txt --file

环境变量

• OLLAMA_MODEL：指定Ollama模型（默认值：qwen3）
• OLLAMA_HOST：Ollama API端点（默认值：http://localhost:11434）

测试

# 运行纯MCP测试（推荐）
pytest tests/test_server_mcp.py -v

# 运行所有测试
pytest

# 运行特定测试类别
pytest tests/test_server_mcp.py    # 纯MCP实现测试
pytest tests/test_integration.py   # 集成测试

项目结构

mcp-server-browser-use-ollama/
├── src/                    # 核心源代码
│   ├── server.py          # MCP服务器实现
│   └── client.py          # 具有完整自动化能力的交互客户端
├── tests/                  # 测试套件
├── docs/                   # 额外文档
├── pyproject.toml         # 项目配置
└── README.md              # 此文件

架构

该系统采用客户端-服务器架构，使用MCP协议：

用户 → 客户端 → MCP协议 → 服务器 → Playwright浏览器

• 服务器：纯MCP SDK服务器，提供浏览器自动化工具
• 客户端：Langchain-Ollama集成，用于自然语言处理
• 传输：基于stdio的MCP通信
• 浏览器：Playwright自动化，支持跨浏览器

主要特性

交互式反馈循环

客户端与Ollama保持连续对话，以实现动态自动化：

• Ollama在每次操作后接收结果
• 可根据浏览器状态调整策略
• 维持完整的对话历史以供上下文使用
• 支持命令行和文件为基础的任务输入

高级功能

• 对话历史：32k令牌上下文窗口，适用于复杂的多步骤任务
• 动作解析：JSON和启发式解析LLM响应
• 文件输入：支持从文件输入复杂任务描述
• 模型选择：轻松切换Ollama模型
• 调试模式：全面的日志记录，便于故障排除

灵活的模型支持

• 与任何兼容Ollama的模型配合使用
• 优化用于编码模型（qwen3，qwen2.5-coder:7b）
• 可配置的上下文窗口和参数
• 温度=0，确保确定性输出

强大的错误处理

• 自动清理浏览器会话
• 优雅地恢复来自解析错误
• 全面的日志记录，便于调试