MCPブラウザオペレーター

ブラウザ自動化用のモデル制御プロトコル (MCP) サーバー。これにより、LLM は Web ブラウザを制御し、Web ページと対話し、標準化された JSON-RPC インターフェイスを通じて Web コンテンツを分析できるようになります。

特徴

• ブラウザ管理: ブラウザインスタンスの作成、ナビゲート、操作、および終了

• ジョブ管理: ジョブIDでブラウザ操作のステータスを追跡

• Webインタラクション: OpenAIのComputer Use APIを使用して自然言語の指示を実行する

• ブラウザツール: コンソールログ、ネットワークアクティビティ、スクリーンショットなどにアクセスします

• 監査: アクセシビリティ、パフォーマンス、SEO、その他のウェブページの監査を実行します

要件

• Python 3.11以上

• 劇作家

• OpenAI API キー（コンピュータ使用 API 用）

インストール

1. このリポジトリをクローンします:

   git clone https://github.com/yourusername/operator-mcp.git cd operator-mcp

2. 依存関係をインストールします:

   pip install -e .

3. Playwright ブラウザをインストールします。

   playwright install chromium

4. OpenAI API キーを設定します。

   export OPENAI_API_KEY=your-api-key

使用法

MCP サーバーを起動します。

サーバーは、MCP プロトコルに従って、stdin で JSON-RPC 要求をリッスンし、stdout で応答します。

実行可能スクリプト

• run-server - MCP サーバー (メイン エントリ ポイント) を実行します。

  # Run the MCP server ./run-server # Run with specific log directory ./run-server --log-dir /path/to/logs # Run in debug mode ./run-server --debug

• run-tests - すべてのテストを実行します（ユニットまたは統合のみのオプション付き）

  # Run all tests ./run-tests # Run only unit tests (faster) ./run-tests --unit-only # Run only integration tests ./run-tests --integration-only # Run with verbose output ./run-tests --verbose # Run a specific test ./run-tests --test TestBrowserOperatorMethods

• run-test-harness - インタラクティブなテストのためにMCP Inspectorを使用してサーバーを実行します

  # Run with the MCP Inspector for interactive testing ./run-test-harness

コアメソッド

ブラウザ管理

• ブラウザの作成: 新しいブラウザインスタンスを初期化する

  { "jsonrpc": "2.0", "id": 1, "method": "mcp__browser-operator__create-browser", "params": { "project_name": "my-project" } }

• ブラウザをナビゲート: ブラウザを指定された URL に誘導します

  { "jsonrpc": "2.0", "id": 2, "method": "mcp__browser-operator__navigate-browser", "params": { "project_name": "my-project", "url": "https://example.com" } }

• ブラウザの操作: ブラウザとの対話のための自然言語指示を実行する

  { "jsonrpc": "2.0", "id": 3, "method": "mcp__browser-operator__operate-browser", "params": { "project_name": "my-project", "instruction": "Find the heading on this page and tell me what it says." } }

• ブラウザを閉じる: ブラウザインスタンスを終了します

  { "jsonrpc": "2.0", "id": 4, "method": "mcp__browser-operator__close-browser", "params": { "project_name": "my-project" } }

ジョブ管理

• ジョブステータスの取得: ジョブIDで操作のステータスと結果を取得します。

  { "jsonrpc": "2.0", "id": 5, "method": "mcp__browser-operator__get-job-status", "params": { "job_id": "job-12345" } }

• ジョブ一覧: 最近のブラウザ操作ジョブを表示する

  { "jsonrpc": "2.0", "id": 6, "method": "mcp__browser-operator__list-jobs", "params": { "limit": 10 } }

ユーザーノート

• メモを追加: ブラウザ操作に関するメモを作成して保存します

  { "jsonrpc": "2.0", "id": 7, "method": "mcp__browser-operator__add-note", "params": { "name": "My Note", "content": "Important information about this browser session" } }

追加の方法

ブラウザデバッグツール

• コンソールログを取得する: mcp__browser-tools__getConsoleLogs

• コンソールエラーを取得する: mcp__browser-tools__getConsoleErrors

• ネットワークログを取得する: mcp__browser-tools__getNetworkLogs

• ネットワークエラーを取得する: mcp__browser-tools__getNetworkErrors

• スクリーンショットを撮る: mcp__browser-tools__takeScreenshot

• 選択した要素を取得する: mcp__browser-tools__getSelectedElement

• ログの消去: mcp__browser-tools__wipeLogs

監査ツール

• アクセシビリティ監査を実行: mcp__browser-tools__runAccessibilityAudit

• パフォーマンス監査を実行: mcp__browser-tools__runPerformanceAudit

• SEO 監査を実行: mcp__browser-tools__runSEOAudit

• NextJS 監査を実行: mcp__browser-tools__runNextJSAudit

• ベストプラクティス監査を実行する: mcp__browser-tools__runBestPracticesAudit

• デバッガーモードを実行: mcp__browser-tools__runDebuggerMode

• 監査モードの実行: mcp__browser-tools__runAuditMode

非同期ワークフローパターン

ブラウザ操作は非同期であり、ジョブベースのアプローチを使用します。

1. 開始操作: job_idを返すブラウザメソッドを呼び出す

2. 完了のポーリング: ジョブが完了するまで get-job-status を使用します

3. プロセス結果: ジョブが完了すると、ジョブステータスから結果にアクセスします。

このアプローチにより、クライアントのタイムアウトを防ぎながら、複雑なブラウザ操作を完了することができます。

永続的なブラウザ状態

MCP オペレーターは、プロジェクト名でブラウザーが作成されるときに永続的な状態を維持します。

• ブラウザの状態（Cookie、ローカルストレージ、セッションストレージ）はセッション間で保存されます

• 複数のプロジェクトが独立したブラウザ状態を維持できる

• ログインセッション、ショッピングカート、その他のパーソナライズされた状態を維持するのに役立ちます

プロジェクト構造

• src/mcp_operator/ : メインパッケージ

  • __init__.py : パッケージの初期化

  • __main__.py : パッケージのエントリポイント

  • server.py : MCP サーバーの実装

  • browser.py : ブラウザ演算子の実装

  • cua/ : コンピュータ使用APIコンポーネント

    • agent.py : エージェントの実装

    • computer.py : コンピュータインターフェース

    • utils.py : ユーティリティ関数

• run-server : MCP サーバーを実行するスクリプト

• run-tests : ユニットテストと統合テストを実行するスクリプト

• run-test-harness : MCP Inspectorで実行するスクリプト

発達

MCPインスペクターの使用

デバッグには、 MCP Inspectorを使用します。

これにより、MCP サーバーをテストするための Web インターフェイスが提供されます。

安全

• 潜在的に有害なサイトのドメインブロック

• ナビゲーション前のURL検証

• 異なるブラウザインスタンス間のセッション分離

• ファイルベースのログ記録（MCP プロトコルを維持するために stdout はありません）