Browser Use MCP

使用 Ollama 进行 MCP 浏览器自动化

强大的浏览器自动化系统，让 AI Agent 能够通过模型上下文协议（MCP）控制 Web 浏览器。本实现专为 Ollama 本地模型打造，可通过本地托管的 AI 模型安全、高效地自动执行浏览器交互。

功能特性

• MCP 集成：全面支持模型上下文协议，实现结构化的 AI 与浏览器通信
• 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 实现完整的浏览器自动化（Chrome、Firefox、Safari）
• AI 驱动的自动化：通过本地大模型使用自然语言控制浏览器
• 截图功能：支持视觉反馈和调试
• 会话管理：支持多个浏览器会话，并自动清理
• 交互模式：实现 AI 与浏览器状态之间的持续反馈循环
• 优化显示：浏览器以最大化窗口（1920x1080）启动，尽量减少滚动

快速开始

前提条件

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

安装

# Clone the repository
git clone https://github.com/Cam10001110101/mcp-server-browser-use-ollama
cd mcp-server-browser-use-ollama

# Install with uv (recommended)
uv pip install -e .
playwright install

# Start Ollama and pull a model
ollama serve  # In one terminal
ollama pull qwen3  # In another terminal

用法

系统支持两种使用模式：

选项 1：直接集成 MCP（搭配 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：由 Ollama 驱动的自动化

# Interactive automation with conversation history
python src/client.py src/server.py

# Custom task via command line
python src/client.py src/server.py "Navigate to Google and search for 'Ollama models'"

# Complex task from file
python src/client.py src/server.py task_description.txt --file

# With custom model
python src/client.py src/server.py "Your task" --model llama3.2:latest

可用工具

MCP 服务提供 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) - 点击指定坐标
• click_selector(session_id, selector) - 根据 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) - 截取屏幕截图
• close_browser(session_id) - 关闭浏览器会话

示例

基本网页搜索

python src/client.py src/server.py "Search for 'Ollama models' on Google and summarize the top 3 results"

电商分析

python src/client.py src/server.py "Compare wireless headphones on Amazon - create a table with prices, ratings, and features"

研究工作流

python src/client.py src/server.py "Research transformer architecture improvements in 2024, visit 5 sources, and compile a summary"

基于文件的复杂任务

# Create a task file
echo "Navigate to GitHub, search for MCP repositories, and analyze the top 5 results" > my_task.txt

# Run the task
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

# Run pure MCP tests (recommended)
pytest tests/test_server_mcp.py -v

# Run all tests
pytest

# Run specific test categories
pytest tests/test_server_mcp.py    # Pure MCP implementation tests
pytest tests/test_integration.py   # Integration tests

项目结构

mcp-server-browser-use-ollama/
├── src/                    # Core source code
│   ├── server.py          # MCP server implementation
│   └── client.py          # Interactive client with full automation capabilities
├── tests/                  # Test suite
├── docs/                   # Additional documentation
├── pyproject.toml         # Project configuration
└── README.md              # This file

架构

系统采用基于 MCP 协议的客户端-服务端架构：

User → Client → MCP Protocol → Server → Playwright Browser

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

主要功能

交互式反馈循环

客户端与 Ollama 保持持续对话，实现动态自动化：

• 每次操作后，Ollama 都会收到结果
• 可根据浏览器状态调整策略
• 保留完整对话历史作为上下文
• 支持通过命令行或文件输入任务

高级功能

• 对话历史：32k token 上下文窗口，支持复杂的多步骤任务
• 操作解析：对大模型响应进行 JSON 和启发式解析
• 文件输入：支持从文件读取复杂任务描述
• 模型选择：可轻松切换 Ollama 模型
• 调试模式：提供全面的日志记录，便于排查问题

灵活的模型支持

• 适用于任何兼容 Ollama 的模型
• 针对编码模型（qwen3、qwen2.5-coder:7b）进行了优化
• 可配置上下文窗口和参数
• Temperature=0，确保输出具有确定性

稳健的错误处理

• 自动清理浏览器会话
• 从解析错误中平稳恢复
• 提供全面的日志记录，便于调试