การทำงานอัตโนมัติของเบราว์เซอร์ MCP ที่เน้นการซ่อนตัวสำหรับการทำงานที่มีความเป็นตัวของตัวเอง
browser-rs-mcp จาก Maestrojeong เป็นเซิร์ฟเวอร์ MCP ที่ให้เอเจนต์ AI สามารถทำงานอัตโนมัติในเบราว์เซอร์และควบคุมเซสชันถาวร เครื่องมือนี้ช่วยให้โมเดลภาษาขนาดใหญ่สามารถขับเคลื่อนการโต้ตอบบนเว็บโดยใช้เซสชันเบราว์เซอร์จริง คุกกี้ และการเข้าสู่ระบบ เพื่อให้เอเจนต์สามารถนำทาง ยืนยันตัวตน และดึงข้อมูลจากหน้าเว็บได้ มันถูกคอมไพล์เป็น Rust ไฟล์ไบนารีขนาดกะทัดรัดและรองรับโปรโตคอลการขนส่ง stdio และ HTTP สำหรับการรวมเข้าด้วยกัน นักพัฒนามุ่งเน้นไปที่โครงสร้างพื้นฐานของเอเจนต์และการใช้งาน MCP ทำให้สิ่งนี้มุ่งเป้าไปที่นักพัฒนาและนักวิจัยที่สร้างการทำงานของเอเจนต์
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
เครื่องมือเปิดเผย 64+ เครื่องมือสไตล์ Playwright สำหรับการกระทำการท่องเว็บที่เขียนสคริปต์ ดังนั้นคุณสามารถทำให้การนำทาง การกรอกแบบฟอร์ม การคลิก การเลื่อนเมาส์ และการป้อนข้อมูลเป็นอัตโนมัติ งานด้านภาพและการดึงข้อมูลก็ครอบคลุมเช่นกัน: เซิร์ฟเวอร์มีการจับภาพหน้าจอพร้อมกับการดึงข้อมูล HTML และข้อความ ซึ่งสนับสนุนทั้งการดึงข้อมูลและงานการตรวจสอบภาพ การกระทำพื้นฐานเหล่านั้นช่วยให้ตัวแทนสามารถทำให้การไหลของการโต้ตอบที่ซับซ้อนได้สำเร็จ แทนที่จะส่งคำขอ HTTP ที่ง่ายเพียงอย่างเดียว
ความน่าเชื่อถือของการซ่อนตัวและความถูกต้องของเซสชันเป็นอย่างไร?
การดำเนินการถูกสร้างขึ้นด้วยท่าทางที่เน้นการซ่อนตัวซึ่งให้ความสำคัญกับสถานะเบราว์เซอร์ที่คงที่และเซสชันที่สมจริง; การออกแบบใช้ Chrome แบบมีหัวและโปรไฟล์ที่คงที่เพื่อลดสัญญาณการทำงานอัตโนมัติ วิธีการนี้ถูกนำเสนอว่าได้ผลสำหรับเว็บไซต์ที่บล็อกเบราว์เซอร์แบบไม่มีหัวและสำหรับการทำงานที่ต้องการรักษาคุกกี้และเซสชันที่ได้รับการตรวจสอบสิทธิ์ระหว่างการทำงานของตัวแทน ซึ่งช่วยรักษาความต่อเนื่องระหว่างการกระทำของตัวแทนที่ต่อเนื่องกัน
ข้อกำหนดในการตั้งค่าและการรวมระบบคืออะไร?
เซิร์ฟเวอร์ต้องการการติดตั้ง Google Chrome ในเครื่องและสภาพแวดล้อมการสร้างเมื่อทำการคอมไพล์จากแหล่งที่มา และมันเข้ากันได้กับไคลเอนต์ที่ปฏิบัติตาม MCP ใด ๆ เช่น Claude Desktop, Cursor หรือ VS Code ตัวเลือกการรวมระบบรวมถึงโปรโตคอลการขนส่งมาตรฐานสำหรับการควบคุมเชิงโปรแกรม ดังนั้นเครื่องมือจึงเหมาะสมกับการทำงานของตัวแทนที่มีอยู่ซึ่งพูดคุยกับ MCP โดยไม่ต้องเพิ่มการพึ่งพา Node.js
มันใช้งานได้จริงสำหรับการปรับใช้แบบหลายตัวแทนในสไตล์การผลิตหรือไม่?
เครื่องมือใช้การเป็นเจ้าของแท็บแบบหลายตัวแทนและพฤติกรรมแบบหลายผู้เช่าในตัว ดังนั้นกระบวนการเบราว์เซอร์เดียวสามารถให้บริการตัวแทนหลายคนในขณะที่เก็บแท็บแยกออกจากกันต่อแต่ละตัวแทน โครงการนี้มุ่งเป้าไปที่การใช้ทรัพยากรในการดำเนินงานต่ำเมื่อเปรียบเทียบกับ Node.js stacks และจัดส่งในรูปแบบไบนารีที่มีขนาดเล็กมาก (ประมาณ 5MB) ซึ่งสนับสนุนการปรับใช้ที่หนาแน่นมากขึ้นในโฮสต์ที่มีข้อจำกัดและทำให้การแจกจ่ายในสภาพแวดล้อมของนักพัฒนาง่ายขึ้น
เหมาะสมที่สุดสำหรับทีมพัฒนาที่ต้องการโครงสร้างพื้นฐานของตัวแทนที่ได้รับการดูแล
เนื่องจากโครงการนี้ได้รับการดูแลอย่างต่อเนื่องและได้รับการตอบรับที่ดีในชุมชนนักพัฒนา MCP เครื่องมือนี้จึงเป็นพื้นฐานที่มีเหตุผลสำหรับทีมที่ฝังการท่องเว็บที่มีตัวแทนเข้าไปในระบบระยะยาว องค์กรที่ไม่มีทรัพยากรนักพัฒนาหรือองค์กรที่ต้องการติดตั้งกราฟิกแบบสำเร็จรูปควรคาดหวังการตั้งค่าการดำเนินงานที่สูงขึ้นและวางแผนสำหรับการทำงานรวมก่อนการปรับใช้.
