JinDaGe - browser-use-server MCP Details

article

README

🚀 浏览器使用服务器

这是一个用于网页浏览器自动化操作的MCP（Middleware Communication Protocol）服务器。它支持网页截图、HTML获取、JavaScript执行以及控制台日志获取等多种功能，还能通过命令进行多步骤操作，极大提升了网页自动化操作的效率和灵活性。

🚀 快速开始

本服务器可用于网页浏览器自动化操作，支持多种强大功能。你可以按照以下步骤进行安装和使用。

✨ 主要特性

1. 截图

参数：
- url：必填项，目标网页的URL。
- full：可选项，默认为false，若设置为true则捕获完整页面截图。
- steps：可选项，以逗号分隔的操作步骤或指令。

2. 获取HTML

参数：
- url：必填项，目标网页的URL。
- steps：可选项，以逗号分隔的操作步骤或指令。

3. 执行JavaScript

参数：
- url：必填项，目标网页的URL。
- script：必填项，需要执行的JavaScript代码。
- steps：可选项，以逗号分隔的操作步骤或指令。

4. 获取控制台日志

参数：
- url：必填项，目标网页的URL。
- steps：可选项，以逗号分隔的操作步骤或指令。

📦 安装指南

前置条件

安装Xvfb（用于无头浏览器环境）：
```
sudo apt-get install xvfb
```

安装Miniconda 或 Anaconda，并创建Conda环境：

conda create -n browser-use python=3.8
conda activate browser-use

通过Smithy安装

克隆仓库：

git clone https://github.com/browser-use/server.git
cd server

安装依赖项并构建服务器：
```
npm install
npm run build
```

📚 详细文档

MCP配置

{
  "browser-use": {
    "llm-providers": [
      "glhf", // 使用 deepseek-ai/DeepSeek-V3 模型
      "ollama", // 使用 qwen2.5:32b-instruct-q4_K_M 模型，上下文长度为32k
      "groq", // 使用 deepseek-r1-distill-llama-70b 模型
      "openai", // 使用 gpt-4o-mini 模型
      "openrouter", // 使用 deepseek/deepseek-chat 模型
      "github", // 使用 gpt-4o-mini 模型
      "deepseek", // 使用 deepseek-chat 模型
      "gemini" // 使用 gemini-2.0-flash-exp 模型
    ],
    "vision-support": false, // 默认禁用视觉功能，启用可提升性能；设置为 true 开启视觉支持
    "use-xvfb": true // 自动检测并使用 Xvfb 运行环境变量 RUNNING_UNDER_XVFB
  }
}

配置选项

LLM 提供商：支持多种大型语言模型，具体包括：
- glhf：使用 deepseek-ai/DeepSeek-V3 模型
- ollama：使用 qwen2.5:32b-instruct-q4_K_M 模型，上下文长度为32k
- groq：使用 deepseek-r1-distill-llama-70b 模型
- openai：使用 gpt-4o-mini 模型
- openrouter：使用 deepseek/deepseek-chat 模型
- github：使用 gpt-4o-mini 模型
- deepseek：使用 deepseek-chat 模型
- gemini：使用 gemini-2.0-flash-exp 模型

💻 使用示例

服务器运行

npm start

示例用法

示例1：网页元素修改

将页面上的文字颜色改为红色：
browser.use.steps(
  "打开浏览器",
  "访问网址 http://example.com",
  "找到所有段落元素并设置颜色为红色"
)

调试工具

npm run debug

🔧 技术细节

服务器会在控制台输出详细的错误信息，便于排查问题。

📄 许可证

MIT License

使用场景

网页自动化测试
数据抓取与分析
动态网页交互操作
多步骤任务执行

browser-use-server