Skip to main content
Glama
Sign In
AgentRPA

AgentRPA

by c8xm
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

rpa-llm-bridge

把 LLM 接到 RPA 上：一套统一的 action 契约，同时驱动浏览器、Windows 桌面应用和 Office 文件；用 YAML 描述流程，用策略闸门管住不可逆动作，用审计日志留下每一步的痕迹。

内核代号 AgentRPA，Python 包名 agentrpa。

通过 MCP 暴露给 Codex / Claude Desktop / Cursor 等客户端，让模型能真正"操作"本机软件，而不是只会说。

CI License: MIT Python

这个项目和"电商采集器"有什么不同

多数 RPA 项目只覆盖一个网站、一种交互。AgentRPA 把差异抽到三层里：

维度

单站点采集器

AgentRPA

作用域

一个网站

浏览器 / 桌面应用 / Office 文件

流程定义

写死在代码里

YAML Recipe，可 diff、可版本化、可参数化

安全边界

分散在各函数里

集中式 Policy，所有驱动共用

不可逆动作

靠自觉

默认拦截 + 人工确认 + 断点续跑

可追溯性

打日志了事

结构化审计 jsonl，敏感字段强制脱敏

失败恢复

重跑整个脚本

run 状态落盘，run_resume 从暂停点继续

Related MCP server: fast-hands

架构

架构图

三个核心概念：

  • Driver：实现 BaseDriver.execute(action, params)。新增一种被控端 = 新增一个驱动，执行器与策略层零改动。

  • Recipe：YAML 声明的步骤序列。步骤可声明 hitl: true 强制人工确认，可声明 on_error: skip|retry|abort。

  • Policy：唯一的安全判定点。域名白名单、应用白名单、敏感字段拦截、状态变更闸门都在这里，驱动不许自己另立标准。

快速开始

要求 Windows 10/11（桌面驱动）/ macOS·Linux（浏览器与 Office 驱动）、Python 3.11+。

git clone https://github.com/c8xm/rpa-llm-bridge.git
cd rpa-llm-bridge
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -U pip
.\.venv\Scripts\python.exe -m pip install -e ".[dev]"
.\.venv\Scripts\python.exe -m playwright install chromium
Copy-Item .env.example .env

启动（stdio 模式会被客户端拉起，直接运行会停在等待状态）：

.\.venv\Scripts\python.exe server.py

MCP 客户端配置

Codex（%USERPROFILE%\.codex\config.toml）：

[mcp_servers.agentrpa]
command = "<PROJECT_DIR>/.venv/Scripts/python.exe"
args = ["<PROJECT_DIR>/server.py"]
cwd = "<PROJECT_DIR>"
enabled = true
startup_timeout_sec = 30
tool_timeout_sec = 180

[mcp_servers.agentrpa.env]
PLAYWRIGHT_HEADLESS = "false"
ALLOW_STATE_CHANGING_ACTIONS = "false"
ALLOWED_DOMAINS = "jd.com,taobao.com,tmall.com"

Cursor / Claude Desktop（JSON）：

{
  "mcpServers": {
    "agentrpa": {
      "command": "<PROJECT_DIR>\\.venv\\Scripts\\python.exe",
      "args": ["<PROJECT_DIR>\\server.py"],
      "env": {
        "PLAYWRIGHT_HEADLESS": "false",
        "ALLOW_STATE_CHANGING_ACTIONS": "false",
        "ALLOWED_DOMAINS": "jd.com,taobao.com,tmall.com"
      }
    }
  }
}

内置流程

Recipe

场景

驱动

说明

ecom_collect

电商信息采集

browser

打开搜索页，抽取标题与价格，附页面快照

web_form

通用网页 RPA

browser

填普通字段，提交前强制人工确认

desktop_erp

桌面 ERP 录入

desktop

启动客户端、定位窗口、填单据、读回显

office_report

企业报表

office

读源表、写汇总表

social_publish

内容平台运营

browser

填草稿、截图预览，发布动作人工确认

自定义流程只要往 agentrpa/recipes/examples/ 丢一个 YAML：

name: my_flow
description: 我的流程
driver: browser
vars:
  target: "https://example.com"
steps:
  - id: open
    action: navigate
    url: "{{target}}"
  - id: grab
    action: extract
    multi:
      titles: "h2"
    limit: 10

工具清单

工具

作用

server_info

版本、驱动能力、策略摘要、目录

policy_summary

白名单与拦截规则

driver_status

三个驱动的健康检查

browser_start / browser_status / browser_close

浏览器生命周期

open_url

打开白名单域名 URL

page_snapshot

标题、正文摘要、链接、表单、meta

list_page_elements

列出可交互元素并分配短期 ref

click_page_element

点击元素（命中交易类文案会被拦截）

type_into_element

写普通输入框（敏感字段拒绝）

scroll_page / take_screenshot / extract_page

滚动、截图、按选择器批量抽取

recipe_list / recipe_get / recipe_run

流程发现与执行

run_state / run_resume / run_list

断点查看与人工批准后继续

audit_tail

审计日志（已脱敏）

desktop_windows / desktop_focus / desktop_elements

桌面窗口与控件

office_sheets / office_read / office_write

Excel / Word 读写

安全模型

  1. 域名白名单：ALLOWED_DOMAINS 之外一律拒绝，含同形域名（jd.com.evil.cn）。

  2. 应用白名单：桌面驱动在 ALLOWED_APPS 为空时拒绝启动任何进程。

  3. 敏感字段：密码、验证码、OTP、银行卡、CVV、身份证等标签直接拒绝输入，审计日志同步脱敏。

  4. 状态变更闸门：购买、支付、下单、发布、发送、删除等动作默认拦截；需要人工确认时流程停在 awaiting_human，由人决定是否 run_resume。

  5. 不注入、不伪造：不往页面里注入反检测脚本，不伪造浏览器指纹，不绕过验证码与风控。

  6. 可追溯：每一步的 action、判定结果、耗时都落到 artifacts/audit/<date>.jsonl。

项目结构

rpa-llm-bridge/
├─ server.py                      MCP 工具入口
├─ agentrpa/
│  ├─ config.py                   环境变量配置
│  ├─ core/
│  │  ├─ types.py                 Step / StepResult / RunResult / Decision
│  │  ├─ policy.py                白名单与闸门
│  │  ├─ runner.py                执行器与断点续跑
│  │  ├─ audit.py                 审计日志与脱敏
│  │  └─ registry.py              驱动注册表
│  ├─ drivers/
│  │  ├─ base.py                  统一 action 契约
│  │  ├─ web.py                   Playwright 驱动
│  │  ├─ desktop.py               pywinauto 驱动
│  │  └─ office.py                Excel / Word 驱动
│  └─ recipes/
│     ├─ loader.py                YAML 校验与模板渲染
│     └─ examples/*.yaml          五个场景示例
├─ tests/                         43 个单元测试，不需要打开浏览器
├─ docs/DESIGN.md                 设计取舍
└─ .github/workflows/ci.yml       多版本 CI

开发

.\.venv\Scripts\python.exe -m pytest
.\.venv\Scripts\python.exe -m pytest tests/test_runner.py -v

单元测试只覆盖纯逻辑（策略、执行器、模板、审计），不启动浏览器与桌面进程，因此 CI 在 Linux 上也能跑。

运行验证

图片由 scripts/make_assets.py 调用真实命令生成，不是手绘示意图。

路线图

  • Recipe 步骤级重试策略可视化（当前只有计数）

  • 多驱动混合流程（浏览器取数 → Excel 落表 → 桌面录入）

  • 录制回放：把一次人工操作转成 Recipe 草稿

  • 审计日志按 run 聚合查询与导出

  • 桌面驱动的控件级截图对比回归

上游与许可

MIT。本项目在架构思路上参考了 JD-Taobao-MCP 的人机协同与输出契约设计，代码为独立实现，来源与改动记录见 UPSTREAM.md。

This server cannot be deployed

Let your AI agent see the webWeb-to-screenshot MCP for Claude, Cursor and Codex. No cookie banners. Free to start.snap-render.comAd

Maintenance

ActivityMaintained
ResponsivenessSyncing

Resources

Related MCP Connectors

Related MCP Servers

  • Invictum Browser Bridge

    Invictum Browser Bridgeofficial

    invictumhr
    A
    license
    Not graded
    quality
    B
    maintenance
    Enables AI agents to securely control a user's existing Chrome profile locally, providing typed browser actions, form and editor support, WordPress workflows, terminal automation, and Figma inspection with policy-based authorization and redacted auditing.
    MIT

  • fast-hands

    tomaszteee
    A
    license
    Not graded
    quality
    B
    maintenance
    Enables AI agents to execute local commands and multi-step workflows with durable checkpoints, operator controls, and safe resume/revise capabilities. It also provides local web and YouTube research tools, with optional Windows UI automation.
    12 npm
    MIT

  • Open Computer Use

    aibo204
    A
    license
    Not graded
    quality
    B
    maintenance
    Enables AI agents to observe and control the user's live desktop by listing apps, reading accessibility trees, and performing clicks, typing, scrolling, dragging, and other input actions with per-action approvals and local audit archives.
    1
    MIT

  • ORVEX

    ujjawalsol
    A
    license
    Not graded
    quality
    C
    maintenance
    Enables AI assistants to drive Windows desktop automation — opening and interacting with applications, native UI controls, keyboard/mouse input, files, processes, clipboard, and Chrome/Edge browsing via UI Automation and CDP. All actions pass through a safety policy with human approval, emergency stop, and deterministic verification.
    MIT