LCBro

<div align="center"> <img src="assets/logo.svg" alt="LCBro Logo" width="200" height="150"> # LCBro - Недорогие Удаленные Операции Браузера Chrome **Легковесные Chrome Browser Remote Operations - Крутой MCP сервер для автоматизации браузера** [](https://www.npmjs.com/package/lcbro) [](https://opensource.org/licenses/MIT) [](https://nodejs.org/) [](https://github.com/lcbro/lcbro/actions/workflows/ci.yml) [](https://github.com/lcbro/lcbro/actions/workflows/docker.yml) [](https://github.com/lcbro/lcbro/actions/workflows/release.yml) [](https://github.com/lcbro/lcbro/actions/workflows/nightly.yml) ⚡ **Молниеносно быстро** • 🎯 **Без настройки** • 🚀 **Готов к продакшену** </div> LCBro - это мощный MCP сервер для автоматизации браузера с поддержкой как Playwright, так и Chrome DevTools Protocol (CDP). Он предоставляет интеллектуальную предобработку, всестороннее логирование и возможности управления удаленными браузерами. **🎯 Фокус на Оптимизации Стоимости**: Этот проект специально разработан для оптимизации стоимости запросов LLM и уменьшения используемого контекста путем интеллектуальной предварительной очистки и обработки данных с использованием локальных LLM моделей перед отправкой в дорогие основные LLM API. Такой подход может снизить затраты до 80% при одновременном улучшении качества результатов. ## Возможности - **Автоматизация браузера**: Управление реальными браузерами с выполнением JavaScript, входом в систему, кликами, вводом текста - **Извлечение контента**: Извлечение текста, HTML, таблиц, атрибутов и скриншотов - **Управление сессиями**: Постоянные сессии браузера с потоками аутентификации - **Интеграция LLM**: Преобразование и очистка извлеченных данных с использованием различных LLM провайдеров - **Множественные провайдеры**: Поддержка OpenAI, Anthropic, Ollama и JAN AI - **Интеграция IDE**: Работает с Claude Desktop и Cursor IDE ## Установка ```bash npm install npm run build npm run install:browsers ``` ## Конфигурация Создайте файл `config/default.yaml` или установите переменную окружения `CONFIG_PATH`: ```yaml browser: headless: true maxContexts: 8 storageDir: /data/profiles defaultTimeoutMs: 30000 llm: defaultModel: "gpt-4o-mini" maxOutputTokens: 2000 temperature: 0 host: "localhost" port: 11434 security: allowDomains: ["example.com", "gov.br"] blockPrivateNetworks: true limits: maxChars: 300000 maxScreenshotBytes: 8000000 ``` ## Переменные окружения ### Для локальных LLM (рекомендуется) #### Ollama (бесплатно, без API ключей) ```yaml llm: defaultModel: "ollama:llama3.1" # или ваша модель host: "localhost" # адрес сервера Ollama port: 11434 # порт Ollama ``` #### JAN AI (бесплатно, с опциональным API ключом) ```yaml llm: defaultModel: "jan:llama-3.1-8b" # или ваша модель в JAN host: "localhost" # адрес сервера JAN janPort: 1337 # порт JAN ``` Для JAN также настройте переменную окружения (если требуется): ```bash JAN_API_KEY=your_jan_api_key_here ``` ### Для внешних LLM провайдеров (опционально) Создайте файл `.env` только если хотите использовать внешние API: ```bash # JAN API Key (только если JAN требует аутентификацию) JAN_API_KEY=your_jan_api_key_here # OpenAI API Key (только если нужны модели GPT) OPENAI_API_KEY=sk-your_openai_api_key_here # Anthropic API Key (только если нужны модели Claude) ANTHROPIC_API_KEY=sk-ant-your_anthropic_api_key_here # Путь к файлу конфигурации (опционально) CONFIG_PATH=/path/to/config.yaml ``` ### Как получить API ключи: **OpenAI:** 1. Зайдите на https://platform.openai.com/api-keys 2. Создайте новый API ключ 3. Скопируйте ключ в формате `sk-...` **Anthropic:** 1. Зайдите на https://console.anthropic.com/ 2. Перейдите в раздел API Keys 3. Создайте новый ключ в формате `sk-ant-...` **JAN AI:** 1. Скачайте и установите JAN с https://jan.ai/ 2. Запустите JAN и загрузите модель 3. Если требуется API ключ, настройте его в JAN Settings **Для Ollama и JAN (локальные модели):** API ключи обычно не требуются, только настройте `host`, `port` и `janPort` в конфигурации. ## Использование ### Быстрый старт 1. **Установите зависимости:** ```bash npm install npm run install:browsers ``` 2. **Настройте LLM (выберите один вариант):** ### Вариант A - Ollama (рекомендуется, бесплатно) ```bash # Убедитесь что Ollama запущен ollama serve # Проверьте доступные модели ollama list # Если нужно, скачайте модель ollama pull llama3.1 ``` Настройте в `config/default.yaml`: ```yaml llm: defaultModel: "ollama:llama3.1" # ваша модель из "ollama list" host: "localhost" # или IP вашего сервера port: 11434 # порт Ollama ``` ### Вариант B - JAN AI (бесплатно, графический интерфейс) ```bash # 1. Скачайте JAN AI с https://jan.ai/ # 2. Запустите JAN # 3. Загрузите модель через интерфейс # 4. Включите API Server в Settings ``` Настройте в `config/default.yaml`: ```yaml llm: defaultModel: "jan:llama-3.1-8b" # имя модели в JAN host: "localhost" # или IP сервера JAN janPort: 1337 # порт JAN API Server ``` Если JAN требует API ключ, добавьте в `.env`: ```bash echo "JAN_API_KEY=your_jan_key" > .env ``` ### Вариант C - Внешние API (платно) ```bash # Создайте .env файл с ключами cp env.example .env nano .env # добавьте ваши API ключи ``` 3. **Соберите проект:** ```bash npm run build ``` 4. **Запустите сервер:** ```bash npm start ``` ### Настройка для Claude Desktop 1. **Найдите файл конфигурации Claude Desktop:** - **macOS:** `~/Library/Application Support/Claude/claude_desktop_config.json` - **Windows:** `%APPDATA%\Claude\claude_desktop_config.json` 2. **Добавьте конфигурацию MCP сервера:** **Важно:** Замените `/path/to/your` на реальный абсолютный путь к вашему проекту. Чтобы узнать полный путь, выполните в корне проекта: ```bash pwd # Пример вывода: /Users/username/projects/mcp_servers/lc-browser-mcp ``` ### Примеры конфигураций Claude Desktop: **Для Ollama (без API ключей):** ```json { "mcpServers": { "lc-browser-mcp": { "command": "node", "args": ["/path/to/your/mcp_servers/lc-browser-mcp/dist/index.js"] } } } ``` **Для JAN AI (с API ключом):** ```json { "mcpServers": { "lc-browser-mcp": { "command": "node", "args": ["/path/to/your/mcp_servers/lc-browser-mcp/dist/index.js"], "env": { "JAN_API_KEY": "your_jan_api_key_here" } } } } ``` **Для внешних API (OpenAI/Anthropic):** ```json { "mcpServers": { "lc-browser-mcp": { "command": "node", "args": ["/path/to/your/mcp_servers/lc-browser-mcp/dist/index.js"], "env": { "OPENAI_API_KEY": "sk-your_openai_key_here", "ANTHROPIC_API_KEY": "sk-ant-your_anthropic_key_here" } } } } ``` **Комбинированный вариант (все провайдеры):** ```json { "mcpServers": { "lc-browser-mcp": { "command": "node", "args": ["/path/to/your/mcp_servers/lc-browser-mcp/dist/index.js"], "env": { "JAN_API_KEY": "your_jan_key", "OPENAI_API_KEY": "sk-your_openai_key", "ANTHROPIC_API_KEY": "sk-ant-your_anthropic_key" } } } } ``` 3. **Перезапустите Claude Desktop** ### Настройка для Cursor IDE 1. **Найдите файл конфигурации Cursor:** - **macOS:** `~/Library/Application Support/Cursor/User/settings.json` - **Windows:** `%APPDATA%\Cursor\User\settings.json` - **Linux:** `~/.config/Cursor/User/settings.json` Или используйте готовый файл `cursor-mcp-config.json` из проекта. 2. **Узнайте полный путь к проекту:** ```bash pwd # Пример: /Users/username/projects/mcp_servers/lc-browser-mcp ``` 3. **Добавьте MCP сервер в settings.json (замените пути на свои):** **Для Ollama (без API ключей):** ```json { "mcp": { "servers": { "lc-browser-mcp": { "command": "node", "args": ["/path/to/your/mcp_servers/lc-browser-mcp/dist/index.js"], "cwd": "/path/to/your/mcp_servers/lc-browser-mcp" } } } } ``` **Для JAN AI (с API ключом):** ```json { "mcp": { "servers": { "lc-browser-mcp": { "command": "node", "args": ["/path/to/your/mcp_servers/lc-browser-mcp/dist/index.js"], "cwd": "/path/to/your/mcp_servers/lc-browser-mcp", "env": { "JAN_API_KEY": "your_jan_api_key_here" } } } } } ``` **Для внешних API:** ```json { "mcp": { "servers": { "lc-browser-mcp": { "command": "node", "args": ["/path/to/your/mcp_servers/lc-browser-mcp/dist/index.js"], "cwd": "/path/to/your/mcp_servers/lc-browser-mcp", "env": { "OPENAI_API_KEY": "sk-your_openai_key_here", "ANTHROPIC_API_KEY": "sk-ant-your_anthropic_key_here", "JAN_API_KEY": "your_jan_key" } } } } } ``` 4. **Перезапустите Cursor** 5. **Активируйте MCP в чате:** - Откройте AI чат в Cursor (`Cmd/Ctrl + L`) - Используйте `@lc-browser-mcp` для обращения к инструментам браузинга ### Проверка работы После настройки в Claude Desktop или Cursor появятся новые инструменты. Вы можете протестировать их: **В Claude Desktop:** ``` Можешь открыть сайт example.com и извлечь заголовок страницы? ``` **В Cursor IDE:** ``` @lc-browser-mcp открой сайт example.com и извлеки заголовок страницы ``` AI должен ответить что-то вроде: > Конечно! Я открою сайт example.com и извлеку заголовок страницы. И выполнить команды navigate.open и extract.content. ### Доступные инструменты 1. **navigate.open** - Открыть URL и создать контекст страницы 2. **navigate.goto** - Перейти к URL в существующем контексте 3. **interact.click** - Кликнуть по элементам по CSS/тексту/роли 4. **interact.type** - Вводить текст в поля ввода 5. **interact.wait** - Ожидать условия 6. **extract.content** - Извлечь содержимое страницы (text/html/markdown) 7. **extract.table** - Извлечь таблицы как JSON 8. **extract.attributes** - Извлечь атрибуты элементов 9. **extract.screenshot** - Сделать скриншоты 10. **session.auth** - Выполнить последовательности аутентификации 11. **llm.transform** - Преобразовать данные с использованием LLM с пользовательскими инструкциями, валидацией JSON схемы и опциональной предварительной обработкой ### Пример: Извлечение таблицы с веб-сайта ```typescript // 1. Открыть страницу const openResult = await mcp.callTool('navigate.open', { url: 'https://example.com/data', persistSessionKey: 'my-session' }); // 2. Дождаться загрузки таблицы await mcp.callTool('interact.wait', { pageId: openResult.pageId, for: 'selector', selector: 'table.data' }); // 3. Извлечь таблицу const tableResult = await mcp.callTool('extract.table', { pageId: openResult.pageId, tableCss: 'table.data', headerStrategy: 'auto' }); // 4. Преобразовать с помощью LLM (с опциональной предварительной обработкой) const cleanResult = await mcp.callTool('llm.transform', { input: { kind: 'json', data: JSON.stringify(tableResult.tables[0]) }, instruction: 'Извлечь только самые важные поля и стандартизировать формат данных', model: 'gpt-4o-mini', preprocessRequest: 'Удалить любые пустые или null значения, нормализовать текстовые поля и обеспечить согласованные форматы дат' }); ``` ### Автоматическая пред-обработка **Что это такое?** Автоматическая пред-обработка — это интеллектуальная система, которая анализирует входящие данные и автоматически очищает их перед основной обработкой через LLM. Это двухэтапный процесс: 1. **Этап пред-обработки** (автоматический) — локальная LLM очищает и подготавливает данные 2. **Этап основной обработки** — целевая LLM обрабатывает уже очищенные данные **Зачем это нужно?** 🎯 **Экономия токенов и денег** — дорогие API (OpenAI, Anthropic) получают уже очищенные данные 📊 **Лучшее качество результатов** — LLM работает с чистыми, структурированными данными ⚡ **Автоматизация** — не нужно вручную планировать очистку данных 🔧 **Умная адаптация** — система сама понимает, что нужно очистить в зависимости от типа данных и задачи **Как это работает?** ``` Сырые данные → [Локальная LLM очищает] → Чистые данные → [Целевая LLM обрабатывает] → Результат ↓ ↓ ↓ ↓ HTML с рекламой Удаляет навигацию, Только контент Извлекает структуру и навигацией рекламу, скрипты товаров в JSON формате ``` По умолчанию система автоматически определяет, когда нужна пред-обработка данных: **Автоматически включается для:** - HTML контента > 5000 символов - Текста > 3000 символов - JSON массивов > 10 элементов - JSON объектов > 20 полей - Инструкций с ключевыми словами: "clean", "extract", "parse", "standardize", "normalize" **Примеры автоматической обработки:** 📄 **HTML контент** — система удаляет: - Навигационные меню и боковые панели - Рекламные блоки и баннеры - JavaScript код и CSS стили - Комментарии и служебную информацию - Фокусируется на основном контенте статьи/товара 📝 **Текстовые данные** — система исправляет: - Опечатки и грамматические ошибки - Множественные пробелы и переносы строк - Дублирующиеся предложения - Нелогичное расположение абзацев 📊 **JSON данные** — система стандартизирует: - Удаляет null и пустые значения - Приводит имена полей к единому стилю - Конвертирует даты в формат YYYY-MM-DD - Нормализует числовые значения и валюты - Объединяет дублирующиеся записи **Умная адаптация под задачу:** Система анализирует вашу инструкцию и адаптирует пред-обработку: - "извлеки **таблицу**" → сохраняет табличные структуры - "найди **товары**" → фокусируется на карточках товаров - "получи **статью**" → сохраняет основной текст статьи - "структурируй **данные**" → нормализует форматы **Настройка автоматической пред-обработки:** ```yaml # config/default.yaml llm: autoPreprocess: true # включить автоматическую пред-обработку (по умолчанию) autoPreprocess: false # отключить автоматическую пред-обработку ``` **Сравнение: с пред-обработкой и без** ❌ **Без пред-обработки:** ``` Входные данные: HTML страница (50KB) с рекламой, меню, скриптами ↓ Результат: LLM пытается найти товары среди рекламы и навигации → Низкое качество, много ошибок, дорого (много токенов) ``` ✅ **С автоматической пред-обработкой:** ``` Входные данные: HTML страница (50KB) с рекламой, меню, скриптами ↓ Пред-обработка: Локальная LLM удаляет рекламу, оставляет только товары (5KB) ↓ Основная обработка: Целевая LLM структурирует чистые данные о товарах ↓ Результат: Высокое качество, быстро, экономично ``` **Экономия на примере:** - Обработка 50KB HTML через GPT-4: ~$0.50 - С пред-обработкой: ~$0.05 (локальная очистка) + ~$0.05 (GPT-4 для 5KB) = ~$0.10 - **Экономия: 80%** + лучшее качество результата! ### Инструкции для Cursor IDE **Простой запрос (автоматическая пред-обработка):** ``` @lc-browser-mcp извлеки товары из этой HTML страницы и структурируй в JSON ``` **С явной пред-обработкой:** ``` @lc-browser-mcp используй llm.transform с: - input: извлеченный HTML - instruction: "создать каталог товаров в JSON" - preprocessRequest: "удалить меню, рекламу, оставить только карточки товаров" - model: "ollama:llama3.1" ``` **Для извлечения и очистки таблиц:** ``` @lc-browser-mcp: 1. Открой страницу с данными 2. Извлеки таблицу 3. Используй llm.transform для очистки с preprocessRequest: "удалить пустые строки, стандартизировать даты в YYYY-MM-DD" ``` ### Примеры использования пред-обработки **Очистка HTML перед анализом:** ```typescript const result = await mcp.callTool('llm.transform', { input: { kind: 'html', data: extractedHTML }, instruction: 'Извлечь информацию о товарах в формате JSON', model: 'ollama:llama3.1', preprocessRequest: 'Удалить все HTML теги, навигационные меню, рекламу и оставить только основной контент товаров' }); ``` **Нормализация текста перед структурированием:** ```typescript const result = await mcp.callTool('llm.transform', { input: { kind: 'text', data: messyText }, instruction: 'Создать структурированное резюме статьи', model: 'jan:llama-3.1-8b', preprocessRequest: 'Исправить опечатки, нормализовать пробелы, удалить дублирующиеся предложения и логично организовать абзацы' }); ``` **Очистка данных таблицы:** ```typescript const result = await mcp.callTool('llm.transform', { input: { kind: 'json', data: JSON.stringify(tableData) }, instruction: 'Преобразовать в стандартизированный формат с конкретными именами полей', model: 'gpt-4o-mini', preprocessRequest: 'Удалить пустые строки, объединить дублирующиеся записи, стандартизировать форматы дат (YYYY-MM-DD) и нормализовать значения валют' }); ``` ### Практические сценарии для Cursor **Сценарий 1: Анализ товаров интернет-магазина** ``` @lc-browser-mcp открой https://shop.example.com/catalog Извлеки информацию о товарах и очисти данные через пред-обработку для удаления рекламных блоков ``` **Сценарий 2: Парсинг новостей** ``` @lc-browser-mcp: 1. Открой новостной сайт 2. Извлеки статьи с автоматической очисткой от рекламы и навигации 3. Структурируй в JSON с полями: заголовок, дата, краткое содержание ``` **Сценарий 3: Обработка судебных документов** ``` @lc-browser-mcp извлеки таблицу процессов из судебного портала Используй автоматическую пред-обработку для стандартизации дат и номеров дел ``` ## 🔧 Статус CI/CD Пайплайна **Автоматизированное тестирование и развёртывание** 🚀 | Пайплайн | Статус | Описание | |----------|--------|----------| | **CI/CD** | [](https://github.com/lcbro/lcbro/actions/workflows/ci.yml) | Основной пайплайн сборки, тестирования и развёртывания | | **Docker** | [](https://github.com/lcbro/lcbro/actions/workflows/docker.yml) | Сборка контейнеров и мультиплатформенное тестирование | | **Release** | [](https://github.com/lcbro/lcbro/actions/workflows/release.yml) | Автоматический релиз и публикация в npm | | **Nightly** | [](https://github.com/lcbro/lcbro/actions/workflows/nightly.yml) | Расширенные тесты и бенчмарки производительности | ### 📊 Метрики качества - **Покрытие тестами**: >80% (Unit + E2E) - **Время сборки**: ~3-5 минут - **Docker сборка**: Многоступенчатая с кэшированием слоёв - **Безопасность**: CodeQL анализ + сканирование зависимостей [📋 Просмотреть все workflow →](.github/WORKFLOWS.md) | [🚀 Просмотреть запуски пайплайна →](https://github.com/lcbro/lcbro/actions) ## 🏆 Статус проекта ✅ **Готов к продакшену** - Все функции реализованы и протестированы ✅ **npm пакет готов** - Можно установить глобально через npm ✅ **CLI интерфейс** - Полный интерфейс командной строки ✅ **Документация** - Исчерпывающая документация предоставлена ✅ **Поддержка нескольких языков** - Английский, русский, португальский ✅ **Без breaking changes** - Вся оригинальная функциональность сохранена ✅ **Непрерывная интеграция** - Автоматизированное тестирование и развёртывание ✅ **Поддержка Docker** - Многоступенчатые сборки и тестирование контейнеров ✅ **Сканирование безопасности** - Автоматическое обнаружение уязвимостей ## Разработка ### Предварительные требования ```bash npm install npm run install:browsers ``` ### Сборка и тестирование ```bash # Собрать проект npm run build # Запустить тесты npm test # Запустить E2E тесты npm run test:e2e # Запустить CI пайплайн локально make ci ``` ### Режим разработки ```bash npm run dev # Запуск в режиме разработки npm run dev:watch # Запуск с автоперезагрузкой npm test # Запуск тестов ``` ## Коды ошибок - `nav_timeout` - Таймаут навигации - `selector_not_found` - Элемент не найден - `captcha_required` - Обнаружена CAPTCHA - `dom_too_large` - Содержимое превышает лимиты размера - `llm_failed` - Ошибка обработки LLM - `page_not_found` - Неверный ID страницы - `internal_error` - Общая ошибка сервера ## Языки документации Этот проект поддерживает несколько языков: - **English**: [README.md](README.md) - **Русский** (текущий): [README.ru.md](README.ru.md) - **Português**: [README.pt.md](README.pt.md) - **Навигация по языкам**: [README.languages.md](README.languages.md) ### Файлы конфигурации по языкам **English (по умолчанию):** - `example-mcp-config.json` - конфигурация Claude Desktop - `cursor-mcp-config.json` - конфигурация Cursor IDE - `env.example` - шаблон переменных окружения **Português:** - `example-mcp-config.pt.json` - Configuração Claude Desktop - `cursor-mcp-config.pt.json` - Configuração Cursor IDE - `env.pt.example` - Modelo de variáveis de ambiente ## Участие в разработке Мы приветствуем вклад в развитие Low Cost Browsing MCP Server! Вот как вы можете помочь: ### 🚀 Как внести свой вклад 1. **Сделайте Fork репозитория** ```bash # Нажмите кнопку "Fork" на GitHub или используйте GitHub CLI gh repo fork nightweb/lc-browser-mcp ``` 2. **Клонируйте ваш Fork** ```bash git clone https://github.com/ВАШ_ЛОГИН/lc-browser-mcp.git cd lc-browser-mcp ``` 3. **Создайте ветку для функциональности** ```bash git checkout -b feature/название-вашей-функции # или git checkout -b fix/исправление-бага ``` 4. **Внесите изменения** - Пишите чистый, хорошо документированный код - Следуйте существующему стилю кода - Добавляйте тесты для новой функциональности - Обновляйте документацию при необходимости 5. **Протестируйте изменения** ```bash # Запустите локальные тесты npm test npm run build # Запустите Docker тесты make test-unit make test-e2e ``` 6. **Зафиксируйте изменения** ```bash git add . git commit -m "feat: добавить описание вашей функции" # или git commit -m "fix: описать исправление бага" ``` 7. **Отправьте в ваш Fork** ```bash git push origin feature/название-вашей-функции ``` 8. **Создайте Pull Request** - Перейдите в оригинальный репозиторий на GitHub - Нажмите "New Pull Request" - Выберите ваш fork и ветку - Заполните шаблон PR с: - Четким описанием изменений - Ссылками на связанные issues - Скриншотами если применимо - Инструкциями по тестированию ### 📋 Требования к Pull Request **Перед отправкой:** - ✅ Код собирается без ошибок (`npm run build`) - ✅ Все тесты проходят (`npm test`) - ✅ Docker тесты работают (`make test-unit`) - ✅ Код следует соглашениям проекта - ✅ Документация обновлена - ✅ Сообщения коммитов описательные **Требования к PR:** - Четкий, описательный заголовок - Подробное описание изменений - Ссылка на связанные issues (`Fixes #123`) - Добавьте рецензентов если знаете кто должен проверить - Используйте метки: `bug`, `feature`, `documentation`, и т.д. **Процесс ревью:** 1. Автоматические тесты запускаются через GitHub Actions 2. Ревью кода мейнтейнерами 3. Исправление запрошенных изменений 4. Финальное одобрение и слияние ### 🐛 Сообщение об ошибках Нашли баг? Создайте issue с: - **Четким заголовком** описывающим проблему - **Шагами воспроизведения** проблемы - **Ожидаемым поведением** против фактического - **Деталями окружения** (ОС, версия Node.js, и т.д.) - **Скриншотами** если применимо - **Логами ошибок** если доступны ### 💡 Предложения функций Есть идея? Создайте issue с: - **Четким описанием** функции - **Случаем использования** - зачем это нужно? - **Предлагаемым решением** если у вас есть идея - **Альтернативными решениями** которые вы рассматривали ### 🏗️ Настройка разработки 1. **Предварительные требования** ```bash node --version # >= 18 npm --version # >= 8 docker --version # для тестирования ``` 2. **Установка зависимостей** ```bash npm install npm run install:browsers ``` 3. **Настройка окружения** ```bash cp env.example .env # Отредактируйте .env с вашими настройками ``` 4. **Запуск сервера разработки** ```bash npm run dev ``` ### 🧪 Тестирование ```bash # Unit тесты npm test npm run test:watch npm run test:coverage # E2E тесты npm run test:e2e npm run test:e2e:ui # Docker тесты make test-unit make test-e2e make test-all # CI тесты ./scripts/ci-test.sh ``` ### 📖 Документация Помогите улучшить нашу документацию: - Исправляйте опечатки и грамматику - Добавляйте недостающие примеры - Улучшайте API документацию - Переводите на другие языки - Добавляйте руководства и гайды ### 🤝 Кодекс поведения - Будьте уважительны и инклюзивны - Помогайте другим учиться и расти - Фокусируйтесь на конструктивной обратной связи - Следуйте рекомендациям сообщества GitHub ### 📞 Получение помощи - 📖 **Документация**: Сначала проверьте существующие документы - 🐛 **Issues**: Поищите в существующих issues - 💬 **Обсуждения**: Используйте GitHub Discussions для вопросов - 🔧 **CI/CD Workflows**: [Документация по workflow](.github/WORKFLOWS.md) - 🚀 **Статус пайплайна**: [GitHub Actions](https://github.com/lcbro/lcbro/actions) - 🛡️ **Отчёты безопасности**: [Вкладка безопасности](https://github.com/lcbro/lcbro/security) - 📧 **Контакт**: Обращайтесь к мейнтейнерам Спасибо за вклад в Low Cost Browsing MCP Server! 🎉 ## Лицензия MIT