Docker 容器中的一个合成人类。它有耳朵、嘴巴、眼睛和双手。
一个完全自包含的环境，模拟真实用户通过语音和浏览器与 Web 应用交互。它具有：
虚拟麦克风 — MCP 可以注入音频（TTS 或原始音频），任何应用都会认为声音来自硬件麦克风
虚拟扬声器 — MCP 可以捕获并转写操作系统播放的任何音频
真实浏览器 — 由 Playwright 控制的 Chromium，带有持久的登录会话
真实显示器 — Xvfb + VNC，用于调试（实时观察正在发生的情况）
MCP 接口 — 所有功能通过 Streamable HTTP 以工具的形式暴露
Related MCP server: Lotus MCP
测试 ChatGPT 语音模式 — 将“今天天气怎么样？”注入麦克风，捕获 ChatGPT 的语音回复，转写文本并断言
测试 Gemini Live — 对 Google 的语音 AI 执行同样的流程
测试我们的 Mobile Mesh UI — 针对我们自己的应用进行完整的端到端语音对话测试
任何支持语音的 Web 应用 — 只要它使用浏览器的麦克风/扬声器，我们就能测试
┌─────────────────────────────────────────────────────────────┐
│ Docker Container │
│ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ MCP Server (port 8360) │ │
│ │ │ │
│ │ Audio Tools: │ │
│ │ tts_to_mic(text) → Piper TTS → virtual mic │ │
│ │ transcribe_speakers() → parec → Whisper STT │ │
│ │ inject_audio(b64) → raw audio → virtual mic │ │
│ │ capture_audio(secs) → raw audio from speakers │ │
│ │ wait_for_speech() → detect + transcribe │ │
│ │ │ │
│ │ Browser Tools: │ │
│ │ browser_navigate, click, type, screenshot, etc. │ │
│ │ browser_grant_mic_permission(origin) │ │
│ │ │ │
│ │ Screen Tools: │ │
│ │ screen_screenshot, screen_size, vnc_url │ │
│ └──────────┬──────────────────────────┬───────────────┘ │
│ │ │ │
│ ┌──────────▼──────────┐ ┌───────────▼───────────────┐ │
│ │ PulseAudio │ │ Playwright + Chromium │ │
│ │ │ │ │ │
│ │ virtual_mic ◀──────│──│── browser reads as mic │ │
│ │ (pipe-source) │ │ │ │
│ │ │ │ browser plays audio ──▶ │ │
│ │ virtual_speaker ───│──│── captured via .monitor │ │
│ │ (null-sink) │ │ │ │
│ └─────────────────────┘ └───────────────────────────┘ │
│ │
│ ┌─────────────────────┐ ┌───────────────────────────┐ │
│ │ Xvfb :99 │ │ x11vnc + noVNC │ │
│ │ 1920x1080x24 │ │ port 5900 / 6080 │ │
│ └─────────────────────┘ └───────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘# Build and start
docker compose up -d --build
# Watch the virtual display (open in your browser)
open http://localhost:6080/vnc.html?autoconnect=true
# Test the MCP server
curl http://localhost:8360/mcp -X POST \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"health","arguments":{}}}'
# Run smoke tests
bash test-smoke.sh# 1. Build and start
docker compose up -d --build
# 2. Open VNC in your browser to see the desktop
open http://localhost:6080/vnc.html?autoconnect=true
# 3. In the VNC window, Chromium is running. Log into:
# - https://chat.openai.com (ChatGPT)
# - https://gemini.google.com (Gemini)
# 4. Export cookies to DragonsKeep so they persist
bash scripts/export-browser-cookies.sh
# 5. Done! Future container starts auto-inject the stored sessions.# Infrastructure tests (no login required)
cd tests && pip install -r requirements.txt
pytest test_audio_roundtrip.py test_browser.py -v
# ChatGPT conversation tests (requires login)
pytest test_conversations.py -v -m chatgpt --timeout=120
# Gemini conversation tests
pytest test_conversations.py -v -m gemini --timeout=120
# Our Mesh UI conversation tests
pytest test_conversations.py -v -m meshui --timeout=120
# All conversation tests
pytest test_conversations.py -v --timeout=120# From any MCP client (Kiro, our mesh agent, etc.)
# 1. Navigate to ChatGPT
browser_navigate("https://chat.openai.com")
# 2. Grant mic permission
browser_grant_mic_permission("https://chat.openai.com")
# 3. Click the voice mode button
browser_click("[data-testid='voice-mode-button']")
# 4. Speak a question (injected into the virtual mic)
tts_to_mic("What is the capital of France?")
# 5. Wait for ChatGPT to respond and transcribe what it says
response = wait_for_speech(timeout_seconds=15)
# response == "The capital of France is Paris."
# 6. Assert
assert "Paris" in response登录会话持久保存在 ./data/browser-profile/（挂载卷）中。
对于 ChatGPT/Gemini 的认证令牌，请使用 DragonsKeep：
在 DragonsKeep 中将 Cookie 以 chatgpt-session / gemini-session 的形式存储
容器启动时，将它们注入浏览器配置
或者：通过 VNC（http://localhost:6080）手动登录一次，会话将保留。
端口 | 服务 |
8360 | MCP 服务器（Streamable HTTP） |
6080 | noVNC（基于浏览器的 VNC 查看器） |
5900 | VNC 直连 |
工具 | 说明 |
| 合成文本 → 注入为麦克风输入 |
| 捕获扬声器输出 → 转写为文本 |
| 将原始音频字节推送到虚拟麦克风 |
| 从虚拟扬声器录制原始音频 |
| 检测扬声器中的语音，等待其结束后转写 |
工具 | 说明 |
| 导航到 URL |
| 点击元素 |
| 在输入框中键入文本 |
| 按下键盘按键 |
| 截图页面 |
| 获取页面文本内容 |
| 执行 JavaScript |
| 等待文本出现 |
| 获取当前 URL |
| 允许某个来源使用麦克风 |
工具 | 说明 |
| 全桌面截图 |
| 获取显示分辨率 |
| 获取实时 VNC 查看器 URL |
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Simulation, evaluation and monitoring for voice agents.
Hosted real Google Chrome MCP with per-user persistent state. Navigate, click, type, screenshot.
AI QA tester — real browsers scan sites for bugs, SEO, perf, and accessibility issues via chat.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/macbeth76/mcp-virtual-user'
If you have feedback or need assistance with the MCP directory API, please join our Discord server
