Skip to main content
Glama

browsegrab

Documentación en coreano · llms.txt

Agente de navegador eficiente en tokens para LLM locales — Playwright + árbol de accesibilidad + MarkGrab, nativo de MCP.

browsegrab es una biblioteca de automatización de navegador ligera diseñada para LLM locales (8B-35B parámetros). Combina el árbol de accesibilidad de Playwright con la conversión de HTML a markdown de MarkGrab para lograr 5-8 veces menos tokens por paso en comparación con alternativas como browser-use.

Características

  • Eficiente en tokens: ~500-1.500 tokens/paso (frente a 4.000-10.000 para browser-use)

  • Prioridad a LLM locales: Optimizado para vLLM, Ollama y endpoints compatibles con OpenAI

  • Nativo de MCP: Servidor MCP integrado con 8 herramientas de automatización de navegador

  • Integración con MarkGrab: HTML → markdown limpio para la extracción de contenido

  • Árbol de accesibilidad + sistema de referencia: Referencias de elementos estables (e1, e2, ...) sin modelos de visión

  • Caché de patrones de éxito: Cero llamadas a LLM en flujos de trabajo repetidos

  • Analizador JSON de 5 etapas: Análisis de acciones robusto para salidas de LLM locales

  • Dependencias mínimas: Solo playwright + httpx en el núcleo

Related MCP server: BAP MCP

Instalación

pip install browsegrab
playwright install chromium

Con características opcionales:

pip install browsegrab[mcp]      # MCP server support
pip install browsegrab[content]  # MarkGrab content extraction
pip install browsegrab[cli]      # CLI with rich output
pip install browsegrab[all]      # Everything

Inicio rápido

API de Python

from browsegrab import BrowseSession

async with BrowseSession() as session:
    # Navigate and get accessibility tree snapshot
    await session.navigate("https://example.com")
    snap = await session.snapshot()
    print(snap.tree_text)
    # - heading "Example Domain" [level=1]
    # - link "Learn more": [ref=e1]

    # Click using ref ID
    result = await session.click("e1")
    print(result.url)  # https://www.iana.org/help/example-domains

    # Type into search box
    await session.navigate("https://en.wikipedia.org")
    snap = await session.snapshot()
    await session.type("e4", "Python programming", submit=True)

    # Extract compressed content (AX tree + markdown)
    content = await session.extract_content()

CLI

# Accessibility tree snapshot
browsegrab snapshot https://example.com

# JSON output
browsegrab snapshot https://example.com -f json

# Extract content (AX tree + markdown)
browsegrab extract https://en.wikipedia.org/wiki/Python

# Agentic browse (requires LLM endpoint)
browsegrab browse https://example.com "Find the about page"

Servidor MCP

browsegrab-mcp  # Start MCP server (stdio)

Configuración para Claude Desktop / Cursor / VS Code:

{
  "mcpServers": {
    "browsegrab": {
      "command": "browsegrab-mcp"
    }
  }
}

8 herramientas MCP: browser_navigate, browser_click, browser_type, browser_snapshot, browser_scroll, browser_extract_content, browser_go_back, browser_wait

Cómo funciona

Bucle de navegación del agente

flowchart LR
    A["🌐 URL + Goal"] --> B["Navigate"]
    B --> C["AX Tree Snapshot\n~200–500 tokens"]
    C --> D{"LLM\nDecision"}
    D -->|"click / type / scroll"| E["Execute Action"]
    E --> C
    D -->|"goal reached"| F["Extract Content\n(MarkGrab)"]
    F --> G["✅ Result"]

Eficiencia de tokens

browsegrab separa la estructura (árbol de accesibilidad) del contenido (markdown de MarkGrab), enviando solo lo que el LLM necesita:

flowchart TD
    A["Raw HTML"] --> B["Accessibility Tree"]
    A --> C["MarkGrab Markdown"]
    B --> D["Structure: ~200–500 tokens\nInteractive elements with ref IDs"]
    C --> E["Content: ~300–800 tokens\nClean markdown · on-demand"]
    D --> F["Combined: ~500–1,300 tokens/step\n⚡ 5–8× fewer than browser-use"]
    E --> F

Eficiencia de tokens (medida)

Página

Elementos interactivos

Tokens

Equivalente en browser-use

example.com

1

~60

~500+

Artículo de Wikipedia

452

~1.254

~10.000+

Arquitectura

browsegrab/
├── config.py                 # Dataclass configs (env var loading)
├── result.py                 # Result types (ActionResult, BrowseResult, ...)
├── session.py                # BrowseSession orchestrator
├── browser/
│   ├── manager.py            # Playwright lifecycle (async context manager)
│   ├── snapshot.py           # Accessibility tree + ref system
│   ├── selectors.py          # 4-strategy selector resolver
│   └── actions.py            # navigate, click, type, scroll, go_back, wait
├── dom/
│   ├── ref_map.py            # ref ID ↔ element bidirectional mapping
│   └── compress.py           # AX tree + MarkGrab → compressed context
├── llm/
│   ├── base.py               # LLMProvider ABC
│   ├── provider.py           # vLLM, Ollama, OpenAI-compatible
│   ├── prompt.py             # System prompts (~400 tokens)
│   └── parse.py              # 5-stage JSON fallback parser
├── agent/
│   ├── history.py            # Sliding window history compression
│   ├── cache.py              # Domain-based success pattern cache
│   └── loop_guard.py         # Duplicate action detection
├── __main__.py               # CLI (click)
└── mcp_server.py             # FastMCP server (8 tools)

Configuración

Todos los ajustes a través de variables de entorno (prefijo BROWSEGRAB_*):

# Browser
BROWSEGRAB_BROWSER_HEADLESS=true
BROWSEGRAB_BROWSER_TIMEOUT_MS=30000

# LLM (for agentic browse)
BROWSEGRAB_LLM_PROVIDER=vllm          # vllm | ollama | openai
BROWSEGRAB_LLM_BASE_URL=http://localhost:8000/v1
BROWSEGRAB_LLM_MODEL=Qwen/Qwen3.5-32B-AWQ

# Agent
BROWSEGRAB_AGENT_MAX_STEPS=10
BROWSEGRAB_AGENT_ENABLE_CACHE=true

Parte del ecosistema QuartzUnit

Biblioteca

Rol

markgrab

Extracción pasiva (URL → markdown)

snapgrab

Captura pasiva (URL → captura de pantalla)

docpick

OCR de documentos → JSON estructurado

browsegrab

Automatización activa (objetivo → acciones del navegador → resultados)

Desarrollo

git clone https://github.com/QuartzUnit/browsegrab.git
cd browsegrab
python -m venv .venv && source .venv/bin/activate
pip install -e ".[dev]"
playwright install chromium

# Unit tests (no browser needed)
pytest tests/ -m "not e2e"

# Full suite including E2E
pytest tests/ -v

Licencia

MIT


Parte del ecosistema QuartzUnit — bibliotecas de Python componibles para la recopilación de datos, extracción, búsqueda y seguridad de agentes de IA.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      D
      maintenance
      Lightweight browser automation server for AI agents, enabling fast (10-25ms per action), structured observations and semantic selectors with zero token overhead.
      6
      Apache 2.0
    • A
      license
      B
      quality
      D
      maintenance
      A browser automation MCP server that enables LLMs to interact with web pages through structured accessibility snapshots, bypassing the need for screenshots or vision models.
      24
      Apache 2.0
    • A
      license
      B
      quality
      B
      maintenance
      Provides fast, token-efficient browser automation for LLMs by attaching directly to a running Chrome instance via CDP, offering a full set of browser tools including navigation, interaction, and snapshot diffs, with batched actions to reduce round-trips.
      56
      GPL 3.0