de en es ja ko ru zh

browser-agent

Name: browser-agent
Author: maxmkab

by maxmkab

Overview Schema Related Servers Score Discussions

Python

Local

Autonomous Browser Agent — スクリーンショットなし

エージェントはPlaywrightを通じて実際のChromiumを操作し、LLMは画像ではなく ページの構造化テキストスナップショット（ref | role | name | 状態）に基づいて判断を下します。 Visionモデルは不要で、どのステップでもスクリーンショットは撮影されません。

同じコードベースから3つの動作モード:

モード	有効化方法	用途
ローカル、可視ブラウザ	`HEADLESS=false`	デバッグ、視覚的な確認
CDP経由の実際のChrome	`CDP_URL=http://127.0.0.1:9222`	ライブセッション、より良いフィンガープリント
VPSヘッドレス24/7	`HEADLESS=true` + Docker/systemd	タスクキューの自律実行

アーキテクチャ

ファイル	役割
`snapshot.py`	JSインジェクション: DOM + オープンShadow DOM + iframeの走査、可視のインタラクティブ要素の選別、`data-agent-ref`、LLM用のコンパクトなテキスト
`browser.py`	Playwrightセッション（headless/headful/CDP、stealth-init、プロキシ、画像ブロック）と14アクションの実行エンジン
`llm.py`	プランナー: Anthropic / OpenAI互換 / Ollama、厳格なJSONアクションプロトコル
`agent.py`	LangGraphループ `observe → decide → act`、履歴圧縮、ループ検出、HITL、制限
`main.py`	CLI: `run`、`login`、`snapshot`、`daemon` + Telegram通知と確認
`mcp_server.py`	MCPサーバー: Claude Code / Cursor / 独自オーケストレーター向けブラウザツール13種
`scripts/chrome-cdp.*`	デバッグポート付きで自分のChromeを起動（Linux/macOSおよびWindows）
`Dockerfile`	VPS用 `mcr.microsoft.com/playwright/python` ベースのイメージ

Related MCP server: Playwright MCP Server

1. ローカルマシンへのインストール

git clone https://github.com/maxmkab/autonomous-browser-agent.git
cd autonomous-browser-agent

python -m venv .venv
source .venv/bin/activate        # Windows: .venv\\Scripts\\activate
pip install -r requirements.txt
playwright install chromium

cp .env.example .env             # вписать ANTHROPIC_API_KEY

LLMに費用をかけずに確認 — モデルが実際に何を見ているかを確認:

python main.py snapshot --url https://example.com

可視ブラウザでのタスク実行:

HEADLESS=false python main.py run \
  --task "Найди раздел с ценами и извлеки все тарифы через extract" \
  --url https://example.com \
  --json state/report.json

2. 実際のブラウザへの組み込み（CDP）

エージェントは独自のクリーンなChromiumではなく、自分のChromeで動作できます — ライブセッション、拡張機能、本物のフィンガープリント付きです。拡張機能をインストールする必要はありません — 制御はChrome DevTools Protocol経由で行われます。

# 1) запустить Chrome с открытым портом (отдельный профиль для агента)
chmod +x scripts/chrome-cdp.sh
./scripts/chrome-cdp.sh 9222          # Windows: scripts\\chrome-cdp.bat 9222

# 2) в другом терминале отдать задачу агенту в этом же браузере
CDP_URL=http://127.0.0.1:9222 python main.py run --task "..."

このモードでは、エージェントは storage_state.json に触れません: セッションはChromeプロファイルから取得されます。初回起動時 — 必要なサービスに手動でログインし、以降はプロファイルがそれを記憶します。

3. MCP経由でのClaude Code / Cursorへの組み込み

mcp_server.py はstdioトランスポートのMCPサーバーを起動します。ツール: browser_open、browser_snapshot、browser_click、browser_type、browser_select、 browser_check、browser_scroll、browser_press、browser_back、browser_tabs、 browser_save_session、browser_run_task、browser_close。

Claude Codeの設定（~/.claude.json またはプロジェクトルートの .mcp.json）:

{
  "mcpServers": {
    "browser-agent": {
      "command": "/absolute/path/autonomous-browser-agent/.venv/bin/python",
      "args": ["/absolute/path/autonomous-browser-agent/mcp_server.py"],
      "env": {
        "HEADLESS": "false",
        "CDP_URL": "http://127.0.0.1:9222",
        "ANTHROPIC_API_KEY": "sk-ant-...",
        "REQUIRE_APPROVAL": "true"
      }
    }
  }
}

または1コマンドで:

claude mcp add browser-agent -- /absolute/path/.venv/bin/python /absolute/path/mcp_server.py

これ以降、Claude Codeのモデルは browser_snapshot → browser_click → browser_snapshot のループでブラウザを操作し、テキストスナップショットのみを受け取ります。ブラウザセッションは呼び出し間で維持されるため、シナリオをステップバイステップで進めることができます。完全な自律実行には browser_run_task があります — エージェントが自らループを回し、JSONレポートを返します。

4. サーバーへの認証情報の移行

# локально, в видимом окне: залогинился → Enter в консоли
HEADLESS=false python main.py login --url https://site.ru/login

# переносим cookies + localStorage на сервер
scp state/storage_state.json root@YOUR_VPS_IP:/opt/browser-agent/state/

5. VPSへのデプロイ（Ubuntu 24.04 + Docker）

mkdir -p /opt/browser-agent/state && cd /opt/browser-agent
git clone https://github.com/maxmkab/autonomous-browser-agent.git .
cp .env.example .env && nano .env

docker build -t browser-agent .
docker run -d --name browser-agent --restart unless-stopped \
  --shm-size=1g \
  --env-file .env \
  -v /opt/browser-agent/state:/app/state \
  browser-agent

--shm-size=1g は必須です: デフォルトの64MBの/dev/shmを持つコンテナ内のChromiumは、重いページでクラッシュします。

サーバーでの単発タスク:

docker exec -it browser-agent python main.py run --task "..." --url https://...

Dockerなし（systemd）

apt update && apt install -y python3-venv
cd /opt/browser-agent && python3 -m venv .venv && . .venv/bin/activate
pip install -r requirements.txt
playwright install --with-deps chromium

/etc/systemd/system/browser-agent.service:

[Unit]
Description=Autonomous browser agent
After=network-online.target

[Service]
Type=simple
WorkingDirectory=/opt/browser-agent
EnvironmentFile=/opt/browser-agent/.env
ExecStart=/opt/browser-agent/.venv/bin/python main.py daemon --interval 300
Restart=always
RestartSec=10
StandardOutput=append:/var/log/browser-agent.log
StandardError=append:/var/log/browser-agent.log

[Install]
WantedBy=multi-user.target

systemctl daemon-reload && systemctl enable --now browser-agent
journalctl -u browser-agent -f

6. タスクの設定とn8n

デーモンは state/tasks.jsonl を読み取ります — 1行 = 1タスク:

{"id":"price-check-1","task":"Открой карточку товара, извлеки цену и наличие через extract","url":"https://site.ru/item/123"}
{"id":"lead-form","task":"Заполни форму заявки: имя Иван, телефон +79990000000. Отправку подтвердит человек."}

結果は state/results.jsonl に success、result、extracted、 steps、tokens_in/out フィールドと完全なトレース history とともに書き込まれます。n8nはこのファイルにタスクを書き込み（Execute Command / SSHノード）、結果を読み取ることができます。

7. トークン節約

スクリーンショットなし: テキストのみ、visionモデルなし。
DOMフィルタリング: コンテキストには可視のインタラクティブ要素で名前が空でないもののみ、フレームあたり最大250個。
ネットワークレベルでの画像/フォント/メディアのブロック（BLOCK_MEDIA=true）。
履歴圧縮（HISTORY_WINDOW）: 完全なスナップショットは直近のステップのみ、古いものは action → result に圧縮。
ループ検出: スナップショットのフィンガープリントが変わらない場合、モデルに戦略変更の指示が出されます。

8. セキュリティ

RISKY_PATTERNS（支払い、購入、注文、削除、送信、 checkout、pay、delete）に該当するアクションは確認が必要です: ローカルではコンソールで、サーバーではTelegramで「はい」と回答（APPROVAL_MODE=telegram）。ALLOW_EVAL=false がデフォルトで任意のJS実行を禁止します。すべてのアクションエラーはobservationとしてモデルに返され、プロセスをクラッシュさせません。シークレットはgitから除外された .env にのみ保存されます。

9. 本番環境前の確認

python main.py snapshot --url <対象サイト> — 必要な要素がスナップショットに含まれていますか?
REQUIRE_APPROVAL=true でheadfulでローカルにタスクを実行。
同じタスクをローカルでheadless実行 — デプロイ前にレンダリングの差異を検出。
その後でのみVPSにデプロイしてデーモンを起動。

ライセンス

MIT

This server cannot be installed

license - not found

Not graded

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

–Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

superpowers-chrome
Browser Automation Web Scraping
obra
A
license
A
quality
A
maintenance
Enables direct browser control via Chrome DevTools Protocol, supporting navigation, interaction, content extraction, and screenshots through a single MCP tool.
Updated 20 days ago (2026-08-07 19:41 UTC)
1
341
MIT
Playwright MCP Server
Browser Automation Testing & QA Tools
muhammadraheel-vd
F
license
Not graded
quality
C
maintenance
Enables browser automation through the MCP protocol, allowing AI agents to control a real browser using accessibility snapshots and natural language commands.
Updated 2 months ago (2026-06-22 05:51 UTC)
codex-browser
Browser Automation Web Scraping
sj18259360196-source
A
license
Not graded
quality
B
maintenance
Enables Codex to control a visible Chromium browser via MCP tools for navigation, page inspection, and interaction, while keeping sensitive steps like login and captcha under the user's control.
Updated a month ago (2026-07-20 08:12 UTC)
3
1
MIT
Web Bridge
Browser Automation Web Scraping
JohnXu22786
A
license
A
quality
B
maintenance
Browser automation MCP server that uses a real browser to give agents eyes and hands—open pages, click, fill, screenshot, and run scripts via accessibility-tree snapshots.
Updated 11 days ago (2026-08-17 00:59 UTC)
22
MIT

View all related MCP servers

Related MCP Connectors

browser-mcp
Hosted real Google Chrome MCP with per-user persistent state. Navigate, click, type, screenshot.
Tap
Browser MCP for logged-in tasks. Uses your Chrome — credentials stay local. Zero-token replay.
Aginx Browser
Stealth web browser for agents: search, fetch, click, download and type in persistent MCP sessions.

View all MCP Connectors

Latest Blog Posts

Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)
By Om-Shree-0709 on July 25, 2026.
mcp
Agent Identity
OAuth 2.1
Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/maxmkab/autonomous-browser-agent'

If you have feedback or need assistance with the MCP directory API, please join our Discord server