WebLLMRelay — 网页大模型分发 MCP

给智能体接入网页大模型:通过统一 MCP 接口,复用网页登录态,调用各平台大模型的对话与生图能力——不需要 API key、不产生 API 费用。如果说网页搜索是让智能体"查资料",这里则是让智能体"问专家"——把任务分发给擅长它的网页大模型。

快速开始

环境要求:**Python 3.10 + **

1. 安装依赖

   python -m pip install -r requirements.txt

2. 下载内置浏览器(必须下载到项目 browsers/ 目录,应用只认这个位置)

   set PLAYWRIGHT_BROWSERS_PATH=D:\path\to\WebLLMRelay\browsers
   python -m playwright install chromium

   ⚠️ 不设置 PLAYWRIGHT_BROWSERS_PATH 会把浏览器下载到系统缓存,启动时报「Executable doesn't exist」。国内网络可加镜像:set PLAYWRIGHT_DOWNLOAD_HOST=https://npmmirror.com/mirrors/playwright/

3. 启动服务:start_webllmrelay.bat(已运行会自动打开页面;未运行会启动服务并打开页面),或 python -m webllmrelay.webui_server --port 8787

4. 登录平台:在 WebUI 中对目标平台点「网页登陆」→ 内置浏览器窗口登录 → 关闭窗口,登录态自动检测并保存

5. 验证平台:点「测试对话」验证文本问答,点「测试生图」验证生图(成功后自动标记该平台为已验证)

6. 接入 MCP 客户端:客户端连 http://127.0.0.1:8787/mcp(HTTP),或填 command 启动(stdio)。具体配置见 WebUI 页面的「MCP 客户端接入」,点「复制」即用。

Related MCP server: mcp-browser-use

MCP 工具

接入后三个工具自动暴露给智能体。一般无需手动调用——直接对助手说人话,它会自动选择工具;想强制用工具,消息前加 >;想禁用工具,加 !。

用户:「用豆包查一下:Python 3.13 的新特性有哪些?」 助手:调用 ask_web_llm(platform="doubao", prompt="Python 3.13 的新特性有哪些?")

ask_web_llm — 文本问答 / 任务分发

返回 {"answer", "conversation_id"}。

ask_web_llm_image — 生图

返回 {"images": [{"url", "path"}], "conversation_id"}:

• url:本机服务提供的图片地址,可直接下载 / 展示 / 打开;

• path:图片在本地磁盘的绝对路径,智能体可本地直接读取。

图片由 MCP 在浏览器会话内自动下载到 generated_images/(原图防盗链已在内部处理),缓存超过 100 张自动清理最旧的。

list_web_llms — 列出平台

无参数,返回 [{"platform", "name", "supports_image", "verified"}],platform 即提问工具的取值。

架构

webllmrelay/
├── config.py        # ProviderSpec(每平台知识)+ 平台/登录态持久化
├── browser.py       # BrowserManager:会话式浏览器生命周期、死浏览器自动恢复
├── lock.py          # 持久化浏览器 profile 互斥锁
├── adapters.py      # PlatformAdapter 接口 + CssAdapter 默认实现 + 注册表
├── providers.py     # ask_web_llm / ask_web_llm_image / list_web_llms
├── mcp.py           # MCP server 定义与工具注册
├── activity_log.py  # 活动日志(登录 / 测试 / 调用)
├── login_worker.py  # 登录窗口子进程
├── probe.py         # 平台适配诊断 CLI(接入新平台用)
├── webui.py         # FastAPI:平台管理 / 测试 / 日志
├── webui_server.py  # WebUI 启动入口
└── webui_static/    # WebUI 前端页面

需求边界

• 单模型调用:智能体自己决定问哪个模型,不做"多模型对比"。

• 回答格式:网页返回啥就是啥,不做格式化处理。

• 登录:由用户手动完成(WebUI「网页登陆」打开浏览器窗口);登录状态基于每平台登录指示元素真实检测,在登录窗口关闭后自动检测、卡片「检测」按钮手动检测。

• 浏览器:Release版本默认内置 Chromium(随应用打包,免系统依赖),WebUI 设置卡可切换为系统 Edge,两种浏览器的登录数据相互独立。默认可见运行,可开启「智能体调用时隐藏浏览器」静默。