mcpField
M
mantis

mantis

本地服务
github.com/perzianhq浏览器自动化22 天前更新
代码仓库

关于 mantis

mantis 是一个 MCP 服务，借助基于 Playwright 的接口，以简洁的编号文本呈现网页，供 AI Agent 浏览。它面向处理网页任务的 Agent，逐步返回页面变化，而非依赖截图。

主要功能

  1. 01网页的编号文本视图
  2. 02基于 Playwright 的浏览器接口
  3. 03逐步呈现页面变化
  4. 04支持多步骤网页工作流

适用场景

  1. 01不使用截图输入来浏览网站
  2. 02完成长流程、多步骤浏览器任务
  3. 03为 Agent 提供精简的页面变化表示

MCP 相关

mantis 作为 MCP 服务供 Claude Code、Codex 和 Cursor 等 Agent 使用，并通过 MCP 暴露浏览器接口。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
  "mcpServers": {
    "perzianhq-mantis": {
      "command": "npx",
      "args": [
        "-y",
        "mantis-browser"
      ]
    }
  }
}
启动命令npx -y mantis-browser

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
npmmantis-browser0.1.10

工具

16

收录的工具列表 · 更新于 1 天前

参数类型必填说明
urlstring是

详细介绍

mantis

让 AI Agent 以简短的编号文本而非截图浏览网页。

perzian.dev/mantis · 作者：Perzian

它可以作为 MCP 服务与 Claude Code、Codex、Cursor 或你自己的 Agent 配合使用。两条命令即可安装。

工作原理

Agent 向 Mantis 发送打开/点击指令；Mantis 在 Chromium 中读取页面，为每个控件编号，并仅返回发生变化的内容；CAPTCHA、2FA 和支付环节交由你处理

Agent 看到的内容

带有 Cookie 弹窗的商店页面变成 8 行编号内容；点击 #3 后，仅返回变化的内容

结果

相同任务、相同通过标准，三种浏览方式：Mantis、无障碍树（Playwright MCP）和截图。

长篇多步骤工作流（live-long-fixtures：16 个带有页面内风险项的本地任务，每种方式运行 3 次，按代码评分）。总分为 48；时间为 Agent 每次运行的平均执行时间。

模型Mantis无障碍树截图
gpt-6-luna正确48/4848/4842/48
时间103s132s163s
输入令牌17.3M28.0M31.0M
工具调用119016852774
claude-haiku-5-5正确48/4848/4848/48
时间42s59s64s
输入令牌12.1M18.7M27.1M
工具调用150118272876

真实网站（live-v1 v1.7：30 个任务，每种方式运行 3 次，盲评）。成功次数，总计 90 次：

模型Mantis无障碍树截图
gpt-6-luna899085
claude-haiku-5-5878689

**总体而言：**准确率与无障碍树相当（真实网站任务中相差不超过 1 次，共 90 次；长篇工作流中持平），而长任务所需令牌和调用次数约减少 30%。

Mantis 的优势
  • **长篇工作流。**准确率与无障碍树相同，耗时减少 22–29%，输入令牌减少 35–38%，工具调用减少 18–29%，因为每个步骤只返回发生变化的内容。
  • **与截图相比。**在所有情况下，令牌和调用次数都更少；此外，Mantis 和无障碍树都能完成的任务中，Luna 还漏掉了 48 个中的 6 个。
  • **短任务。**与无障碍树大致持平。任务越长，优势越明显。

方法与注意事项：bench/RESULTS.md。

了解更多

许可证

MIT

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。