Selenium Mcp

简介

此服务使用 Python 实现，用于连接 AI 助手或（自定义 MCP 客户端）与 Selenium WebDriver。它将 Selenium WebDriver 功能作为 MCP 工具提供，让 AI 助手/MCP 客户端能够使用这些工具执行网页自动化、网页测试或网页抓取任务。

发布说明

版本 2.0.1 - 发布于 2026 年 4 月 11 日

此版本对错误代码、返回类型和 README 文件进行了小幅改进。

1. 以下文件中的返回类型从 Union[None, dict]、int、bool 更改为 str：
   1. cookies.py
   2. find.py
   3. get.py
   4. input.py

版本 2.0.0 - 发布于 2026 年 4 月 4 日

此版本进行了结构调整，例如将函数拆分为 save 和 get。现在，save 仅用于将文件保存到磁盘，而 get 则用于让大模型从浏览器获取数据。

以下是改进内容：

1. Get：获取网页的 Markdown、HTML、屏幕截图、元素屏幕截图和 URL 列表
2. JS Executor：执行 JavaScript 代码以与网页交互
3. Files：上传和下载文件
4. Alerts：处理警告
5. Click：新增通过 xpath 拖放元素的功能
6. File：将网页另存为 PDF 文件到磁盘

版本 1.0.0 - 发布于 2026 年 3 月 31 日

1. Web Driver：创建或退出现有的 WebDriver 会话
2. Cookies：管理 Cookie（添加、删除、获取、清除）
3. Clicks：对元素执行点击操作（左键单击、右键单击、双击）
4. Browser：导航到 URL，并管理浏览器功能，例如调整大小、最大化、最小化、全屏等
5. Scroll：滚动整个网页
6. Input：向元素输入文本，以及选择/取消选择复选框、单选按钮和下拉选项等
7. Find：通过 xPaths 查找元素

主要功能

1. 人性化的错误处理，让大模型能够理解错误并相应地调整工具用法
2. 全面的元素交互：执行点击、输入和选择操作前，会检查元素是否可见、已启用、可点击等
3. 全面的导航控制：打开新 URL、前进、后退、刷新等

这些工具使用以下技术提供支持：

1. FastMCP：用于实现 MCP 服务
2. Selenium：用于网页自动化
3. Google GenAI：用于 AI 助手

即将推出

以下是未来将新增的功能：

1. 支持 Chrome Dev Tools 和 BiDi 的工具
2. 增强保存功能，支持以不同格式保存文件
3. 改进错误处理
4. 支持多种浏览器（Firefox、Edge、Safari 等）

示例

提示词：“打开 https://rfpnotification.com，并通过输入电子邮件地址 [[email protected]] 加入候补名单”

之前	之后

运行脚本后，浏览器截取了屏幕截图，以检查是否成功输入电子邮件地址。

实测演示

开发环境设置

克隆仓库

git clone {url}

创建虚拟环境

python3 -m venv venv
source venv/bin/activate

安装依赖

pip install -r requirements.txt

运行服务

python server.py

此软件包附带一个使用 Google GenAI SDK 的轻量级 MCP 客户端，用于测试服务。它在 server.py 文件中实现。要使用它，你需要 Google GenAI API 密钥。请在 .env 文件中将其设置为 GEMINI_API_KEY={your_api_key}。

运行客户端

python server.py

架构

该 MCP 的架构非常简单，如下所示。如果此 MCP 托管在本地，则通过 stdio 通信；如果托管在云端，则通过 http 通信。