Skip to main content
Glama

Server Configuration

Describes the environment variables required to run the server.

NameRequiredDescriptionDefault

No arguments

Capabilities

Features and capabilities supported by this server

CapabilityDetails
tools
{
  "listChanged": true
}

Tools

Functions exposed to the LLM to take actions

NameDescription
frx_statusA

★开跑前先调这个自检:浏览器(marionette)连没连、当前 worker provider/model、worker key 配没配。没就绪就照返回的 note 一句话引导用户(启动浏览器加 marionette / 在浏览器设置里配便宜 worker 模型的 Key),就绪了再 agent_start。只读、无副作用。

frx_env_currentA

返回当前连接的 Firefox Reverse 进程所属环境;不是环境进程时 environment=null。

frx_env_listC

列出 firefox-reverse 环境,供 MCP 侧环境管理按钮使用。

frx_env_createB

一键新建环境;默认随机生成一组 Chrome-like 桌面指纹参数。

frx_env_renameC

重命名已有环境。

frx_env_openC

打开指定环境:独立 profile + 独立 Firefox 进程。

frx_env_closeC

关闭指定环境进程。

frx_env_deleteA

删除已关闭环境。必须显式传 confirm:true。

frx_env_import_jsonB

导入完整环境 JSON。支持 {name,id,fingerprint,proxy,generateOptions} 或 {env,fingerprint,proxy};id 已存在时需 overwrite:true。

frx_env_import_captureC

把外部浏览器控制台采集到的 JSON 文本导入指定环境。

frx_page_automation_scanA

在当前网页内容上下文扫描常见自动化/底层环境暴露点:navigator.webdriver、UA-CH、plugins、permissions、WebGL/canvas/audio/WebRTC/storage 等。用于比较手动打开与 MCP 打开的全局差异,不做单站点加密分析。

agent_startA

开一个新的逆向会话:配置 worker 模型(默认沿用浏览器里已配的)+关掉工具确认门、(可选)导航到目标 URL、建工作目录、用便宜的 worker 模型以【AI 辅助模式】发出第一轮(task 作为第 0 条 user)。返回 tid,后续都用它。推荐流程:GPT/CLI 委派模式下,agent_start 返回后继续 agent_poll/agent_wait_for_stop 观察阶段状态,settled 后用 agent_read_brief/agent_read 读取结论。绝不读/写 worker 的 key——key 由用户预先在浏览器里配好;这里只校验 hasKey=true。worker 选标准/快档别选推理档(推理档在长工具循环里易漂移成纯文字),如 deepseek-v4-flash / qwen-turbo / glm。

agent_wait_for_stopA

阻塞轮询直到 worker 这一轮 settled(阶段门到了)。这是'便宜模型磨完了、该读了'的信号。★真实 turn 常 20-30 分钟,默认超时 5400s;★超时但还 running 时返回 phase:'running'(=还在磨、去 agent_read 看看再决定继续等还是 stop+纠正),绝不是'失败'。settled 才是唯一的'阶段结束'信号(不靠 nSteps 之类)。

agent_pollA

CLI 友好的短轮询:最多等 30-120 秒查看 worker 是否 settled,避免一次 agent_wait_for_stop 长等 5400s 导致命令行无进度。默认 timeoutSec=60、intervalSec=5; 若 settled 且 readOnSettled 未设 false,会自动附带 brief 结论。agent_start 后推荐优先循环调用它。

agent_readA

读 worker 的阶段结论(①发现 ②2-3 方向 ③推荐)给 director 评判:含完整 content 尾、步骤尾、工作目录 progress.md/ledger.md(worker 真正依赖的持久知识),以及 ★driftHint + runlogTail——assist 模式下任何'纯文字无工具'都被强制成 final,真结论和模型漂移经 getState 分不开,所以读结论时必须看 driftHint/runlog 的 finishReason,别把 drift/idle-timeout 当成真的'路线走不通'(这是 worker 头号失败模式)。只读、可反复调。

agent_read_briefA

CLI 友好的简短读取:等价于 agent_read({includeProgressFile:false, stepTail:5, contentChars:2000})。用于 settled 后快速把 worker 结论交给主模型,避免 progress.md/ledger.md 或大 steps 输出让某些 CLI 卡住。

agent_stateA

廉价的存活/进度快照(比 agent_read 轻):running/settled/nSteps/checkpointSeq/错误/contentTail 短尾/driftHint。用在等待循环里,或发 guidance 前确认上一轮真的停了。注意:健康的 turn 也会几十秒 nSteps 不动(一个长工具/LLM 回合),别据此判'卡死'——唯一可靠的'活着'信号是有没有 settled。

agent_sendA

★director 的核心动作:把方向纠正作为下一条 user 消息发出去并起下一轮(=harness 的 advance)。服务端会:把 worker 上一轮的【完整】最终结论作为 assistant 轮接上(上一轮空/被停则合成占位,保证 user/assistant 交替合法)→ 追加你的 guidance 作为新 user 轮 → 持久化 → 以当前模式重跑。若还有一轮在跑会拒绝(先 wait 或 stop)。guidance 写得像真人纠正:具体、有序、'只做第 1+2+3 步'、'每步先验证再下一步'、'只回报这 3 件事'、防兔子洞。

agent_set_modeA

切会话模式:'assist'=每轮阶段门停给 director review(成本拆分默认);'auto'=worker 跑到完成不停。路线锁定后可切 'auto' 让 worker 无人值守收尾,卡住再切回 'assist'。

agent_stopA

砍掉 worker 当前这一轮(agentSession.stop)。用在:读到快照发现 worker 正冲向错误路线,想立刻截停并 agent_send 纠正、不想干等它 settle。进展已落盘(ledger/progress.md),停掉不丢持久状态。

agent_runlogA

引擎级 run 日志(getRunLog):请求/响应时序、重试、idle 看门狗超时、finishReason、drift 检测。诊断用——让 director 区分'worker 真的判定路线走不通' vs '模型侧 drift / idle 超时 / 推理档模型(如 deepseek-v4-pro)吐了纯文字计划没调工具',下结论前先核它。

agent_toolsA

列出浏览器侧可用的逆向工具清单(名称/说明/是否需确认/参数名)——含 16 个引擎级逆向工具(signer_trace/jsvmp_trace/closure_read/webapi_trace/whitebox_diff/wasm_probe 等,页面检测不到)。默认走成本拆分(把工具名写进 guidance、委派 worker 执行);0.2.0 起也可用 agent_call_tool 亲自直调。只读、无副作用,先看这个再决定委派还是直调。

agent_call_toolA

★你(director)亲自跑一个浏览器引擎工具,跳过 DeepSeek worker —— 强模型直驱引擎级工具,比委派 worker 磨更快更准。代价:每个工具回合都花 director 的 token(打破默认成本拆分;按需用、不用就仍走 agent_start/agent_send 省钱流)。先 agent_tools 查 name 和参数。返回工具信封(ok/data/error);浏览器侧 dispatch 永不抛、已校验未知工具与缺参。⚠ 任一会话(agent_start 起的)正在跑时会被拒绝:raw 直调与运行中的 agent 共享同一标签页/hook/trace 状态,并发会串味——先 agent_stop/agent_wait_for_stop 再直调。需浏览器 v0.20.0+。

Prompts

Interactive templates invoked by user choice

NameDescription

No prompts

Resources

Contextual data attached and managed by the client

NameDescription

No resources

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/WhiteNightShadow/frx-director-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server