mcp-helm

Claudeから実際のChromeセッションを操作します — ハンドオフ認識機能を備えたコパイロットモードです。

ほとんどのブラウザ自動化MCPサーバーは、新しいPlaywright Chromiumを起動します。しかし、「Stripeにログインして5つの項目をクリックする」といった作業では、Cookieや2FA、ブックマークが引き継がれないため役に立ちません。mcp-helmは「あなたの」Chromeに接続します。すでにログイン済みのブラウザを使用し、Claudeがアクティブなタブに対して一連のツールを実行できるようにします。

また、いつ操作を中断すべきかも認識します。ページに2FAプロンプト、キャプチャ、支払い確認、または生体認証リクエストが表示されると、スクリーンショットツールがそれをフラグ立てし、Claudeはhandoff()を呼び出してあなたに操作を委ねることができます。

なぜこれが必要なのか

「目と手」の問題です。Claudeが「設定 → APIアクセスをクリックして」と言い、あなたが設定をクリックしてもAPIアクセスが存在しない場合、スクリーンショットをClaudeに送り返し、Claudeが再度推測するというやり取りが発生します。5秒のタスクのために5分間の往復が発生し、Stripe、Apple、Play Console、Cloudflare、Vercelなどの設定を行うたびにこれが繰り返されます。

mcp-helmはこのループを断ち切ります。Claudeは実際のページを確認し、アクセシビリティツリーから要素を選択（座標の推測は不要）し、実行すべきでない操作に直面した場合は停止します。

Related MCP server: MCP Accessibility Bridge

インストール

npm install -g mcp-helm

~/.claude.json（またはMCPクライアントの設定ファイル）に追加します：

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

使用方法

1. 操作可能なChromeを起動する

シェルrcファイルに以下のエイリアスを追加します：

alias chrome-pilot='open -a "Google Chrome" --args --remote-debugging-port=9222 --user-data-dir=$HOME/.chrome-pilot'

一度実行します：chrome-pilot。別のChromeプロファイルが開きます。Claudeに操作させたいすべてのサービス（Play Console、Stripeなど）にログインしてください。Cookieは起動後も保持されるため、サービスごとに一度ログインするだけで済みます。

なぜ別のプロファイルなのか？ メインのChromeは、すでに実行中の場合、リモートデバッグモードで起動できないためです。専用プロファイルは ~/.chrome-pilot に保存され、日常のブラウジングとは分離されます。

2. Claudeから使用する

You: Upload the AAB at <path> to Play Store internal testing.
Claude: [calls helm.attach] → [helm.navigate to play.google.com/console]
        [helm.screenshot] → sees the dashboard
        [helm.click "Personalized AI Portfolio Bot"]
        ... etc

2FAプロンプトが表示されると、screenshotはhandoffTriggers: ["2FA prompt"]を返し、Claudeはhandoffを呼び出して待機します。

ツール

設計上の選択

• 座標ではなくアクセシビリティツリーを使用。 視覚ベースのクリック（Anthropicのコンピュータ使用）は優れていますが、Retinaディスプレイや高DPRスケーリングでは不安定になりがちです。a11yツリーは安定したセマンティックなIDを提供し、スクリーンリーダーが使用するものと同じです。

• クリックごとにスクリーンショットの差分を確認。 changed: falseの場合、クリックは無効でした。Claudeが成功したと誤って報告するのを防ぎます。

• ハンドオフ検出は正規表現ベース（LLMベースではない）。 安価で高速であり、一般的なログインフレーズで誤検知が発生しません。

• タブ管理のヒューリスティックはなし。 attachは最初の空でないタブを選択します。正確に行うにはlist_tabsとfocus_tabを使用してください。予測可能性は巧妙さよりも優れています。

ステータス

v0.1 — 単純なフロー（Play Console、Stripeダッシュボード、Vercel、Cloudflare）で動作します。まだ対応していないエッジケース：

• Shadow DOMコンポーネント（Webコンポーネントを多用するサイト）

• iframe（フレーム切り替えの対応が必要）

• ディスクからのファイルアップロード

• Enterキー以外のキーボードショートカット

ライセンス

MIT