MCP Browser Automation Server

MCP 浏览器自动化服务

一个简单而强大的浏览器自动化服务，可通过 REST API 控制浏览器、截取屏幕截图并监控控制台日志。

功能

• 创建浏览器会话
• 导航至 URL
• 截取屏幕截图（整个页面或特定元素）
• 点击元素
• 填写表单输入项
• 通过 WebSocket 实时监控控制台日志
• 关闭会话

安装

1. 克隆此仓库：

git clone https://github.com/weir1/mcp-browser-automation.git
cd mcp-browser-automation

2. 创建并激活虚拟环境：

python -m venv venv
.\venv\Scripts\Activate

3. 安装依赖：

pip install -r requirements.txt

4. 安装 Playwright 浏览器：

playwright install

使用方法

1. 启动服务：

python server.py

服务将在 http://localhost:8000 上启动。

API 端点

创建新会话

POST /session/create
Response: { "session_id": "..." }

导航至 URL

POST /session/{session_id}/navigate?url=https://example.com

截取屏幕截图

POST /session/{session_id}/screenshot?name=screenshot1&selector=.my-element

如果未提供选择器，则截取整个页面的屏幕截图。

点击元素

POST /session/{session_id}/click?selector=.my-button

填写输入项

POST /session/{session_id}/fill?selector=input[name="username"]&value=myuser

监控控制台日志

WebSocket /session/{session_id}/console

关闭会话

POST /session/{session_id}/close

Python 使用示例

import requests
import websockets
import asyncio
import json

# Create a session
response = requests.post("http://localhost:8000/session/create")
session_id = response.json()["session_id"]

# Navigate to a URL
requests.post(f"http://localhost:8000/session/{session_id}/navigate?url=https://example.com")

# Take a screenshot
response = requests.post(f"http://localhost:8000/session/{session_id}/screenshot?name=example")
with open("screenshot.png", "wb") as f:
    f.write(response.content)

# Monitor console logs
async def monitor_console():
    async with websockets.connect(f"ws://localhost:8000/session/{session_id}/console") as ws:
        while True:
            message = await ws.recv()
            print(json.loads(message))

asyncio.get_event_loop().run_until_complete(monitor_console())

许可证

MIT