Skip to main content
Glama

browsegrab

한국어 문서 · llms.txt

ローカルLLM向けのトークン効率の高いブラウザエージェント — Playwright + アクセシビリティツリー + MarkGrab、MCPネイティブ。

browsegrabは、ローカルLLM(8B-35Bパラメータ)向けに設計された軽量なブラウザ自動化ライブラリです。PlaywrightのアクセシビリティツリーとMarkGrabのHTMLからマークダウンへの変換を組み合わせることで、browser-useのような代替手段と比較して、ステップあたりのトークン数を5〜8倍削減します。

特徴

  • トークン効率: ステップあたり約500〜1,500トークン(browser-useでは4,000〜10,000トークン)

  • ローカルLLMファースト: vLLM、Ollama、およびOpenAI互換エンドポイントに最適化

  • MCPネイティブ: 8つのブラウザ自動化ツールを備えた組み込みMCPサーバー

  • MarkGrab統合: コンテンツ抽出のためのHTML → クリーンなマークダウン変換

  • アクセシビリティツリー + 参照システム: ビジョンモデルなしで安定した要素参照(e1, e2, ...)を実現

  • 成功パターンキャッシュ: 繰り返されるワークフローでのLLM呼び出しゼロ

  • 5段階JSONパーサー: ローカルLLM出力のための堅牢なアクション解析

  • 最小限の依存関係: コアにはplaywright + httpxのみ

Related MCP server: BAP MCP

インストール

pip install browsegrab
playwright install chromium

オプション機能付き:

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

クイックスタート

Python API

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"

MCPサーバー

browsegrab-mcp  # Start MCP server (stdio)

Claude Desktop / Cursor / VS Codeの設定:

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

8つのMCPツール: browser_navigate, browser_click, browser_type, browser_snapshot, browser_scroll, browser_extract_content, browser_go_back, browser_wait

仕組み

エージェントブラウズループ

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"]

トークン効率

browsegrabは構造(アクセシビリティツリー)とコンテンツ(MarkGrabマークダウン)を分離し、LLMが必要とするものだけを送信します:

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

トークン効率(測定値)

ページ

インタラクティブ要素

トークン数

browser-use相当

example.com

1

~60

~500+

Wikipedia記事

452

~1,254

~10,000+

アーキテクチャ

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)

設定

すべての設定は環境変数(BROWSEGRAB_*プレフィックス)経由で行います:

# 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

QuartzUnitエコシステムの一部

ライブラリ

役割

markgrab

パッシブ抽出(URL → マークダウン)

snapgrab

パッシブキャプチャ(URL → スクリーンショット)

docpick

ドキュメントOCR → 構造化JSON

browsegrab

アクティブ自動化(ゴール → ブラウザアクション → 結果)

開発

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

ライセンス

MIT


QuartzUnitエコシステムの一部 — データ収集、抽出、検索、およびAIエージェントの安全性のための構成可能なPythonライブラリ。

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