Selenium Mcp

はじめに

このサーバーは、AI アシスタントまたはカスタム MCP クライアントと Selenium WebDriver の間をつなぐために Python で実装されています。Selenium WebDriver の機能を MCP ツールとして公開し、AI アシスタント／MCP クライアントがウェブの自動化、ウェブテスト、ウェブスクレイピングのタスクに利用できるようにします。

リリースノート

Version 2.0.1 - リリース 2026年4月11日

このバージョンでは、エラーコード、戻り値の型、README ファイルに軽微な改善を加えました。

1. 次のファイルで、戻り値の型を Union[None, dict]、int、bool から str に変更しました。
   1. cookies.py
   2. find.py
   3. get.py
   4. input.py

Version 2.0.0 - リリース 2026年4月4日

このバージョンでは、関数を save と get に分けるなど、構造を変更しました。save はディスクへのファイル保存に特化し、get は LLM がブラウザーからデータを取得するための機能です。

以下は、追加された機能の一覧です。

1. Get：ウェブページを Markdown、HTML、スクリーンショット、要素のスクリーンショット、URL の一覧として取得
2. JS Executor：ウェブページを操作する JavaScript コードを実行
3. Files：ファイルのアップロードとダウンロード
4. Alerts：アラートを処理
5. Click：xpath による要素のドラッグ＆ドロップを追加
6. File：ウェブページを PDF としてディスクに保存

Version 1.0.0 - リリース 2026年3月31日

1. Web Driver：新しい WebDriver セッションを作成するか、既存のセッションを終了
2. Cookies：Cookie を管理（追加、削除、取得、クリア）
3. Clicks：要素をクリック（左クリック、右クリック、ダブルクリック）
4. Browser：URL に移動し、サイズ変更、最大化、最小化、全画面表示などのブラウザー機能を管理
5. Scroll：ウェブページ全体をスクロール
6. Input：要素へのテキスト入力、チェックボックス、ラジオボタン、ドロップダウンの選択肢などの選択／選択解除
7. Find：xPaths で要素を検索

主な機能

1. 人間にわかりやすいエラー処理により、LLM がエラーを解釈し、それに応じてツールの使い方を再構成できます
2. 包括的な要素操作：要素が表示されているか、有効か、クリック可能かなどを確認してから、クリック、入力、選択を実行します
3. 完全なナビゲーション制御：新しい URL を開く、進む、戻る、更新など

このツールは、以下のテクノロジーを活用しています。

1. FastMCP：MCP サーバーの実装
2. Selenium：ウェブの自動化
3. Google GenAI：AI アシスタント

今後の予定

今後追加される機能は以下のとおりです。

1. Chrome Dev Tools と BiDi に対応するツール
2. さまざまな形式でファイルを保存できるよう、保存機能を強化
3. エラー処理の強化
4. 複数ブラウザーのサポート（Firefox、Edge、Safari など）

例

プロンプト：「https://rfpnotification.com を開き、メールアドレス [[email protected]] を入力して待機リストに登録してください」

Before	After

スクリプトの実行後、メールアドレスが正常に入力されたか確認するために、ブラウザーがスクリーンショットを撮影しました。

テストの実行

開発環境のセットアップ

リポジトリをクローンします。

git clone {url}

仮想環境を作成します。

python3 -m venv venv
source venv/bin/activate

依存関係をインストールします。

pip install -r requirements.txt

サーバーを起動します。

python server.py

このパッケージには、サーバーをテストするための Google GenAI SDK を使用した軽量 MCP クライアントが含まれています。これは server.py ファイルに実装されています。使用するには、Google GenAI API キーが必要です。.env ファイルで GEMINI_API_KEY={your_api_key} として設定してください。

クライアントを起動します。

python server.py

アーキテクチャ

この MCP は、以下に示すように非常にシンプルなアーキテクチャです。この MCP がローカルでホストされている場合は stdio 経由で通信し、クラウドでホストされている場合は http 経由で通信します。