로컬 LLM을 위한 토큰 효율적인 브라우저 에이전트 — Playwright + 접근성 트리 + MarkGrab, MCP 네이티브.
browsegrab은 로컬 LLM(8B-35B 파라미터)을 위해 설계된 경량 브라우저 자동화 라이브러리입니다. Playwright의 접근성 트리와 MarkGrab의 HTML-to-마크다운 변환을 결합하여 browser-use와 같은 대안 대비 단계당 5-8배 적은 토큰을 사용합니다.
토큰 효율성: 단계당 약 500-1,500 토큰 (browser-use의 4,000-10,000 토큰 대비)
로컬 LLM 우선: vLLM, Ollama 및 OpenAI 호환 엔드포인트에 최적화
MCP 네이티브: 8가지 브라우저 자동화 도구가 포함된 내장 MCP 서버
MarkGrab 통합: HTML → 콘텐츠 추출을 위한 깔끔한 마크다운 변환
접근성 트리 + 참조 시스템: 비전 모델 없이도 안정적인 요소 참조(e1, e2, ...) 제공
성공 패턴 캐싱: 반복되는 워크플로우에서 LLM 호출 제로화
5단계 JSON 파서: 로컬 LLM 출력을 위한 강력한 액션 파싱
최소한의 의존성: 핵심 기능에 playwright + httpx만 사용
Related MCP server: Playwright MCP Server
pip install browsegrab
playwright install chromium선택적 기능 포함:
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] # Everythingfrom 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()# 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"browsegrab-mcp # Start MCP server (stdio)Claude Desktop / Cursor / VS Code 설정:
{
"mcpServers": {
"browsegrab": {
"command": "browsegrab-mcp"
}
}
}8가지 MCP 도구: browser_navigate, browser_click, browser_type, browser_snapshot, browser_scroll, browser_extract_content, browser_go_back, browser_wait
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"]browsegrab은 구조(접근성 트리)와 콘텐츠(MarkGrab 마크다운)를 분리하여 LLM이 필요한 정보만 전송합니다:
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 --> F페이지 | 상호작용 요소 | 토큰 | browser-use 대응치 |
example.com | 1 | ~60 | ~500+ |
Wikipedia 문서 | 452 | ~1,254 | ~10,000+ |
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)모든 설정은 환경 변수(BROWSEGRAB_* 접두사)를 통해 수행됩니다:
# 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=true라이브러리 | 역할 |
수동 추출 (URL → 마크다운) | |
수동 캡처 (URL → 스크린샷) | |
문서 OCR → 구조화된 JSON | |
browsegrab | 능동 자동화 (목표 → 브라우저 액션 → 결과) |
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/ -vQuartzUnit 생태계의 일부 — 데이터 수집, 추출, 검색 및 AI 에이전트 안전을 위한 구성 가능한 Python 라이브러리입니다.
This server cannot be deployed
AI-powered browser automation — navigate, click, fill forms, and extract data from any website.
E2LLM gives your AI eyes and hands in a real browser: structured perception (SiFR) plus action.
AI-powered web automation. Navigate websites using AI agents for one page or a thousand
AI-powered web automation. Navigate websites using AI agents for one page or a thousand
