本项目旨在使 AI 智能体能够利用模型上下文协议 (MCP) 和 Selenium 执行网页使用、浏览器自动化、抓取和自动化任务。
此 MCP 的特殊之处在于，它可以处理多个智能体访问多个浏览器窗口。无需启动多个 Docker 镜像、虚拟机或计算机即可拥有多个抓取智能体。并且，所有智能体仍然可以使用同一个浏览器配置文件。每个智能体都有自己的窗口，它们互不干扰。
这使得处理多个智能体变得无缝：只需启动任意数量的智能体，它就能正常工作！ 在一台计算机上同时使用两个 Claude Code 实例、一个 Codex CLI 实例、一个 Gemini CLI 实例和一个 fast-agent 实例——它们都使用相同的浏览器配置文件，并且（在一定程度上）并行工作。
我们的使命是让 AI 智能体在最少的人工监督下完成任何网页任务——所有这些都基于自然语言指令。
Related MCP server: Selenium MCP Server
HTML 截断： 该 MCP 允许您配置 HTML 页面的截断。其他抓取 MCP 可能会用超过上下文窗口的辅助功能快照或 HTML 转储来淹没 AI。此 MCP 将通过设置 MCP_MAX_SNAPSHOT_CHARS 环境变量来帮助您管理最大页面大小。
多个浏览器窗口和多个智能体： 您可以将多个智能体独立连接到此 MCP，而无需智能体之间的协调。每个智能体都可以使用相同的浏览器配置文件，这在需要跨智能体保持登录状态时非常有用。每个智能体都有自己的浏览器窗口，因此它们互不干扰。使用 Chrome DevTools Protocol TargetId 来识别浏览器窗口。
Iframe 上下文： iframe 内的多步交互需要为每个操作指定 iframe_selector。为了可靠性，浏览器上下文在每次工具调用后都会重置。对于 iframe 工作流，请在每次 click_element、fill_text 或 debug_element 调用中重复 iframe 选择器参数。
git clone https://github.com/janspoerer/mcp_browser_use.git
cd mcp_browser_use
python3 -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install -r requirements.txt我们建议使用 Chrome Beta（而不是常规 Chrome），以便 AI 智能体可以在远程调试模式下运行，而不会干扰您的日常浏览。
macOS：
brew install --cask google-chrome-betaUbuntu / Debian：
wget -q -O - https://dl.google.com/linux/linux_signing_key.pub | sudo apt-key add -
echo "deb [arch=amd64] http://dl.google.com/linux/chrome/deb/ stable main" \
| sudo tee /etc/apt/sources.list.d/google-chrome.list
sudo apt update && sudo apt install -y google-chrome-betaWindows： 从 google.com/chrome/beta 下载并安装 Chrome Beta。
安装后，验证：
google-chrome-beta --version # Linux
# or
"/Applications/Google Chrome Beta.app/Contents/MacOS/Google Chrome Beta" --version # macOSChrome 需要显示器。在无头 Linux 服务器（无 GUI）上，请使用 Xvfb：
sudo apt install -y xvfb
# Start a virtual display on screen :99
Xvfb :99 -screen 0 1920x1080x24 &
# Tell Chrome which display to use
export DISPLAY=:99将 export DISPLAY=:99 添加到您的 .bashrc 或 .profile 以使其永久生效。
安装 Chrome Beta 后，在您的 .mcp.json 中指向 Chrome Beta 可执行文件，如下面的环境变量配置部分所述。
启动 MCP 服务器（如果您不知道如何操作，请查看下方的“如何使用（此）MCP”部分）。
请参阅 modelcontextprotocol.io 上的 MCP 文档。
请注意，您需要在 MCP 配置文件指向的 Python 环境中安装所有依赖项。例如，如果您指向 python 或 python3 可执行文件，您将指向全局 Python 环境。通常建议指向虚拟环境，例如：
/Users/yourname/code/mcp_browser_use/.venv/bin/python如果您已将此存储库克隆到本地 code 文件夹，您的 MCP 配置文件应如下所示：
{
"mcpServers": {
"mcp_browser_use": {
"command": "/Users/janspoerer/code/mcp_browser_use/.venv/bin/python",
"args": [
"/Users/janspoerer/code/mcp_browser_use/mcp_browser_use"
]
}
}
}它将位于此处（在 macOS 中）：/Users/janspoerer/Library/Application Support/Claude/claude_desktop_config.json。
请参阅 requirements.txt 以查看需要安装哪些依赖项。
重启 Claude 以查看 JSON 配置是否有效。如果出现问题，Claude 会引导您查看 MCP 的错误日志。
如果设置成功，您将在 Claude 的“新聊天”窗口右下角看到一个小锤子图标。锤子旁边将是 MCP 提供的函数数量。
点击锤子查看可用工具。
重要： 在您的项目根目录 .mcp.json 文件中定义所有环境变量，而不是在 .env 文件中。这确保了单一事实来源且不会产生冲突。
将环境变量添加到 .mcp.json 文件的 env 部分：
{
"mcpServers": {
"mcp_browser_use": {
"type": "stdio",
"command": "/path/to/.venv/bin/python",
"args": ["-m", "mcp_browser_use"],
"env": {
"BETA_PROFILE_NAME": "SeleniumProfile",
"BETA_EXECUTABLE_PATH": "/Applications/Google Chrome Beta.app/Contents/MacOS/Google Chrome Beta",
"BETA_PROFILE_USER_DATA_DIR": "/Users/yourname/Library/Application Support/Google/Chrome Beta",
"CHROME_REMOTE_DEBUG_PORT": "9225",
"MCP_HEADLESS": "0",
"MCP_ENABLE_EXTENSIONS": "1",
"MAX_SNAPSHOT_CHARS": "10000"
}
}
}
}Windows 示例：
"env": {
"BETA_PROFILE_NAME": "SeleniumProfile",
"BETA_EXECUTABLE_PATH": "C:\\Program Files\\Google\\Chrome Beta\\Application\\chrome.exe",
"BETA_PROFILE_USER_DATA_DIR": "C:\\Users\\yourname\\AppData\\Local\\Google\\Chrome Beta\\User Data",
"CHROME_REMOTE_DEBUG_PORT": "9225",
"MCP_HEADLESS": "0",
"MCP_ENABLE_EXTENSIONS": "1"
}变量 | 描述 | 示例 |
| 要使用的 Chrome 配置文件名称 |
|
| Chrome Beta 可执行文件路径 | 见上文示例 |
| Chrome Beta 用户数据目录 | 见上文示例 |
| Chrome 远程调试端口 |
|
| 以无头模式运行 (0=否, 1=是) |
|
| 启用 Chrome 扩展 (0=否, 1=是) |
|
| 最大 HTML 快照大小 |
|
使用 Chrome Beta（或 Canary）可以防止与您的常规 Chrome 浏览器发生冲突：
AI 智能体需要 Chrome 在启用远程调试的情况下运行
您的常规 Chrome 实例无法在启用远程调试的情况下运行
Chrome Beta 允许两者在同一系统上共存
使用专用配置文件，例如 "SeleniumProfile"（不要使用 "Default"）
这可以防止您手动打开 Chrome Beta 时发生冲突
扩展程序和登录信息在此配置文件中跨会话持久保存
每个 AI 智能体都有自己的浏览器窗口，但共享配置文件
通过在您的主浏览器（不是自动化浏览器）中访问此 URL 来检查浏览器是否正在运行：
http://127.0.0.1:9223/json/version如果浏览器正在运行，它将显示如下内容：
{
"Browser": "Chrome/140.0.7339.24",
"Protocol-Version": "1.3",
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/140.0.0.0 Safari/537.36",
"V8-Version": "14.0.365.3",
"WebKit-Version": "537.36 (@f8765868e23d9ee5209061fc999f6495c525cd13)",
"webSocketDebuggerUrl": "ws://127.0.0.1:9223/devtools/browser/d8f511eb-947c-4eb1-833d-917212a92394"
}此 MCP 使用基于文件的锁来协调多个智能体访问同一个浏览器配置文件。所有锁文件都存储在项目根目录的 tmp/mcp_locks/ 中，以便于检查。
操作锁 (<hash>.softlock.json 和 <hash>.softlock.mutex)
确保一次只有一个智能体可以执行浏览器操作
默认 TTL：30 秒（可通过 MCP_ACTION_LOCK_TTL 配置）
在智能体工作时通过心跳自动续期
智能体等待最多 60 秒以获取锁（可通过 MCP_ACTION_LOCK_WAIT 配置）
窗口注册表 (<hash>.window_registry.json)
跟踪哪个智能体拥有哪个浏览器窗口
包含：targetId、windowId、进程 PID、最后心跳时间戳
用于孤儿清理：自动关闭来自崩溃/陈旧智能体的窗口
陈旧阈值：5 分钟（可通过 MCP_WINDOW_REGISTRY_STALE_SECS 配置）
启动互斥锁 (<hash>.startup.mutex)
确保每个配置文件只有一个浏览器实例启动
在初始 Chrome 进程启动协调期间使用
文件格式： <hash> 是从您的 Chrome 配置文件的 user_data_dir 和 profile_name 派生的 SHA-256 哈希，确保跨进程的稳定识别。
您可以使用这些环境变量自定义锁行为：
# Lock directory (default: <project_root>/tmp/mcp_locks/)
MCP_BROWSER_LOCK_DIR=/path/to/locks
# Action lock TTL in seconds (default: 30)
MCP_ACTION_LOCK_TTL=30
# Max wait time for action lock in seconds (default: 60)
MCP_ACTION_LOCK_WAIT=60
# Window registry stale threshold in seconds (default: 300)
MCP_WINDOW_REGISTRY_STALE_SECS=300
# File mutex stale threshold in seconds (default: 60)
MCP_FILE_MUTEX_STALE_SECS=60当智能体启动浏览器会话时，它会自动：
检查窗口注册表中是否存在来自死进程（PID 不再存在）的条目
检查陈旧条目（超过 5 分钟没有心跳）
通过 Chrome DevTools Protocol 关闭孤儿窗口
清理注册表条目
这确保了崩溃或终止的智能体不会留下僵尸浏览器窗口。
我们不希望使用 pytest-asyncio。
pip install -e ".[test]"`Recent tool additions, removals, and schema changes observed during successful MCP inspections. Dates show when Glama detected each change.
No tool schema history has been recorded yet.
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
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
AI-powered browser automation — navigate, click, fill forms, and extract data from any website.
Stealth web automation for AI agents. Login, signup, navigate, screenshot.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/janspoerer/mcp_browser_use'
If you have feedback or need assistance with the MCP directory API, please join our Discord server
