OmniBrowse-Agent

OmniBrowse-Agent 是一个以证据为核心的浏览器研究 Agent。项目计划将 MCP 浏览器服务、 有界编排、确定性数据提取、可追溯事实和报告生成组合起来，并要求报告中的重要结论 能够引用已经登记的原始证据。

当前状态

仓库目前已经完成阶段 0 工程基线：

• Python 3.11/3.12 工程包和依赖定义；

• 应用、浏览器、模型能力别名、预算和数据保留策略的类型化环境配置；

• 带有限上下文字段的结构化 JSON 或控制台日志；

• pytest、Ruff 配置和多 Python 版本 GitHub Actions CI；

• 带稳定错误码的 Browser MCP 结构化响应；

• 使用本地 artifact 引用返回截图，不在工具响应中传输 base64；

• 阻止私网、回环、链路本地和云元数据地址的本地安全出口代理。

Browser MCP 仍然保留了一些计划在阶段 1 实现的能力，包括多会话隔离、页面版本、 确定性提取工具和更完整的 artifact 生命周期管理。设计书中这些后续契约不能视为 已经实现或已经稳定。

Related MCP server: @meshbrow/mcp-server

本地开发

py -3.11 -m venv .venv
.venv\Scripts\Activate.ps1
python -m pip install -e ".[dev]"
python -m playwright install chromium
Copy-Item .env.example .env
ruff check .
pytest

配置项使用 .env.example 中记录的环境变量前缀。密钥等敏感配置应写入已被忽略的 .env 文件，禁止提交到仓库。

通过 stdio 启动已经安装的 Browser MCP 服务：

omnibrowse-browser-mcp

服务启动时不会立即启动 Chromium，只有浏览器工具被调用时才会创建浏览器实例。

开发路线图

• 阶段 1： Browser MCP 会话隔离、页面版本、确定性提取、更完整的 artifact 生命周期 管理和稳定等待策略。

• 阶段 2： 有界 LangGraph 编排、SQLite 事实/证据/成本账本、断点恢复和带引用报告生成。

• 阶段 3： 按需启用的本地视觉兜底，以及 Benchmark 和成本回归测试。

• 阶段 4： 最小可用界面、Human-in-the-Loop 流程，以及可选的检索和可观测性增强。

项目架构基线见 docs/PROJECT_DESIGN.md，开发协作规范见 AGENTS.md。

安全与成本原则

本地规则、DOM 和网络数据的优先级高于模型调用。CAPTCHA、登录、支付、提交、删除和 发布等操作必须由人工处理或确认。网页内容始终是不可信数据，不能覆盖工具权限、 安全策略或任务预算。