Skip to main content
Glama
momadhuynh04

ProBrowser

by momadhuynh04

ProBrowser

Real-Browser-Automatisierungs-MCP-Server für KI-Agenten — Anti-Erkennung

29 Tools · CDP-Anbindung an deinen echten Opera/Chrome · Menschliche Eingabe · DOM + Vision-Hybrid

Python MCP PhantomWright CDP Tests Platform License

FunktionenPipelineSchnellstartVerwendungKonfigurationArchitekturProjektstrukturAnti-Erkennung

🌐 Sprache: Deutsch | Tiếng Việt


[!WARNUNG] Nur auf Arch Linux entwickelt und getestet Kernel Linux 7.1.5-arch1-2 · DE: KDE Plasma Andere Distributionen/Desktops sind ungetestet — Ergebnisse können abweichen.


Ein MCP-Server, der es KI-Agenten (Kilo, Claude Code, …) ermöglicht, den echten Browser des Benutzers über das Model Context Protocol zu steuern. Kein Headless-Modus, keine Wegwerf-Profile — der Agent verbindet sich über CDP mit dem laufenden Opera/Chrome, wobei alle Sitzungen, Cookies und Logins erhalten bleiben, und steuert ihn dann mit menschlichem Timing und einer DOM-first-/Vision-Fallback-Strategie.

✨ Funktionen

Funktion

Beschreibung

🔌 Echte Browser-Steuerung

connect_over_cdp verbindet sich mit dem laufenden Browser auf Port 9222 — Sitzungen, Cookies, Erweiterungen bleiben erhalten. Startet niemals Headless oder frische Profile, außer es wird verlangt.

🧰 29 MCP-Tools

Navigation, Tabs, Klicken/Tippen/Hovern/Tastatur, Scrollen, Drag & Drop, DOM/Text-Extraktion, JS-Eval, 3 Screenshot-Varianten, CAPTCHA-Toolkit, Systemerkennung.

🕒 Menschliche Eingabe

Gauß-verteilte Tastenintervalle (45–75 WPM), natürliche mousedown↔mouseup-Abstände, kubisches Ease-out-Scrolling — als Timing-Middleware geschichtet, null JS-Injektion.

🔍 Hybrid DOM + Vision

Strukturierte DOM-Extraktion (get_dom, find, get_text) zuerst; Screenshots + Koordinaten-Klicks als Fallback, wenn das DOM nicht ausreicht.

🎯 Positionsvalidierung

Vor jedem Koordinaten-Klick: annotierter Screenshot mit roten X/Y-Achsen, die sich exakt im Ursprung O=(x,y) kreuzen + Element-Probe, Warnungen (pointer-events:none, deaktiviert, iframe).

🧩 CAPTCHA-Toolkit

Erkennt automatisch reCAPTCHA/hCaptcha/Turnstile/Cloudflare nach der Navigation; Bildraster-Lösung über Agenten-Vision (captcha_grid → Kacheln wählen → solve_captcha); optionale 2Captcha-API-Autolösung.

🗂️ Tab-Verwaltung

Tabs auflisten / wechseln / öffnen / schließen — Multi-Tab-Workflows in einem echten Browser.

🚨 Aktionsfähige Fehler

Jeder Fehler liefert strukturiertes {error_code, error, recoverable, suggestion}TIMEOUT, SELECTOR_NOT_FOUND, CDP_CONNECTION_LOST, NETWORK_ERROR

📚 Selbstdokumentierend

browse_help(topic=...) liefert 11 serverseitige Themen; browse_list_tools spiegelt den vollständigen Katalog zur Laufzeit.

Getestet

87 Unit-Tests (Fake-Seiten, kein Browser nötig) + Integrationstests mit echtem Browser (pytest -m integration).

Related MCP server: selenium-mcp

🏭 Pipeline

 ┌──────────┐   ┌────────────┐   ┌─────────────┐   ┌──────────┐   ┌──────────┐   ┌──────────┐
 │ CONNECT  │ → │   ORIENT   │ → │     SEE     │ → │   PLAN   │ → │   ACT    │ → │  VERIFY  │
 │ check_   │   │ navigate + │   │ screenshot  │   │ selector │   │ click /  │   │ re-read  │
 │ browser  │   │ wait idle  │   │ get_dom     │   │ or coords│   │ type     │   │ state    │
 └──────────┘   └────────────┘   └─────────────┘   └──────────┘   └──────────┘   └──────────┘
      │                                                    │
      ▼ not running                                        ▼ DOM miss
 ┌──────────────┐                              ┌──────────────────────────┐
 │ open_browser │                              │ validate_position(x, y)  │
 │ (real profile│                              │ → annotated O=(x,y) shot │
 │  + CDP flag) │                              │ → click_position(x, y)   │
 └──────────────┘                              └──────────────────────────┘

Tool-Ausführungsablauf (Beispiel browse_click):

agent call → pre-click Gaussian delay (~80ms)
           → PhantomWright Actionability Engine (visible? enabled? stable? unobscured?)
           → CDP Input.dispatchMouseEvent (trusted gesture, NOT element.click())
           → post-click pause (~150ms)
           → result JSON (+ optional verification screenshot)

Automatischer CAPTCHA-/Werbe-Overlay-Scan läuft nach jedem browse_navigate / browse_wait.

🚀 Schnellstart

Voraussetzungen

  • Arch Linux (Entwicklungs-/Testplattform) — Kernel 7.1.5-arch1-2, KDE Plasma

  • Python 3.11+ — prüfen mit python --version

  • Ein Chromium-basierter Browser — Opera (empfohlen), Chrome, Chromium oder Brave

  • Ein MCP-Client — Kilo CLI, Claude Code oder alles, was MCP stdio spricht

Installation

# 1. Clone
git clone https://github.com/YOUR_USER/probrowser.git
cd probrowser

# 2. Setup (venv + deps + verify)
./setup.sh
# ...or manually:
python -m venv .venv
.venv/bin/pip install -r requirements.txt

Bei deinem MCP-Client registrieren

kilo.json (Projektwurzel):

{
  "mcp": {
    "probrowser": {
      "type": "local",
      "command": ["/absolute/path/to/probrowser/.venv/bin/python", "-m", "src"],
      "enabled": true,
      "timeout": 120000
    }
  }
}

Claude-Code-Benutzer: derselbe Server über .mcp.json. Starte den Client neu, damit die 29 browse_*-Tools geladen werden.

Erster Start

# Option A — start Opera yourself with CDP enabled:
opera --remote-debugging-port=9222

# Option B — let the agent do it (real profile, cookies intact):
browse_check_browser()          # → not connected?
browse_open_browser(browser="opera")

Sprich dann einfach mit deinem Agenten: „Öffne YouTube und spiele One of These Nights" — er verbindet sich, navigiert, klickt und überprüft die Wiedergabe von selbst.

💻 Verwendung

Tool-Gruppen

Gruppe

Tools

Navigation & Tabs

browse_navigate · browse_wait · browse_list_tabs · browse_switch_tab · browse_open_tab · browse_close_tab

Interaktion

browse_click · browse_validate_position · browse_click_position · browse_type · browse_hover · browse_keyboard · browse_scroll · browse_drag_drop

Extraktion

browse_get_dom · browse_find · browse_get_text · browse_eval

Screenshots

browse_screenshot · browse_screenshot_viewport · browse_screenshot_save

CAPTCHA

browse_check_captcha · browse_captcha_grid · browse_solve_captcha

System

browse_detect_browsers · browse_check_browser · browse_open_browser

Meta

browse_help · browse_list_tools

Vollständige Parameterreferenz: docs/tools-reference.md oder browse_help(topic="tools-reference") zur Laufzeit.

Beispielablauf

→ browse_check_browser()
← { connected: false }                      # nothing on :9222 yet

→ browse_open_browser(browser="opera")
← { launched: true, profile: "~/.config/opera", cdp_url: "...:9222" }

→ browse_navigate(url="https://youtube.com/...")
← { success: true, title: "..." }           # auto CAPTCHA scan ran here

→ browse_get_dom(search="One of These Nights")
← { count: 10, elements: [{type: "link", selector: "a[aria-label=...]"}] }

→ browse_click(selector="a[aria-label=...]")
← { success: true }

→ browse_eval(expression="() => {const v=document.querySelector('video'); return {paused: v.paused, time: v.currentTime}}")
← { paused: false, time: 3.1 }              # verified: audio is playing 🎵

Eigenständiger Server

PROBROWSER_CDP_URL=http://localhost:9222 .venv/bin/python -m src

⚙️ Konfiguration

Die gesamte Laufzeitkonfiguration wird über Umgebungsvariablen gesteuert:

Variable

Standard

Beschreibung

PROBROWSER_CDP_URL

http://localhost:9222

CDP-Endpunkt für die Verbindung beim Start

PROBROWSER_TOOL_TIMEOUT_MS

120000

Hartes Limit pro Tool-Aufruf (gemeinsamer Event-Loop-Schutz)

PROBROWSER_CAPTCHA_ENABLED

1

Hauptschalter für das CAPTCHA-Subsystem

PROBROWSER_CAPTCHA_AUTO_DETECT

1

Automatischer Scan auf CAPTCHAs/Werbung nach der Navigation

CAPTCHA_API_KEY

2Captcha-API-Schlüssel (Text-Challenge-Autolösung; Rasterlösung erfolgt über Agenten-Vision)

PROBROWSER_CAPTCHA_MAX_WAIT_MS

60000

Maximale Wartezeit für API-gestützte Lösung

MCP-clientseitige Einstellungen (timeout, enabled) befinden sich in kilo.json — absichtlich aus Git ausgeschlossen (siehe .gitignore).

🏛️ Architektur

┌──────────────────────────────────────────────────────────┐
│                AI Agent (Kilo / Claude Code)              │
│        plan → browse_* tool call → evaluate → repeat      │
└───────────────────────┬──────────────────────────────────┘
                        │ MCP Protocol (stdio, JSON-RPC)
                        ▼
┌──────────────────────────────────────────────────────────┐
│              ProBrowser MCP Server (Python)               │
│   tool registry (29) → action coordinator → humanize.py   │
│        (Gaussian delays · WPM typing · scroll easing)     │
│   analyzer/: dom_parser · hybrid_strategy · captcha       │
└───────────────────────┬──────────────────────────────────┘
                        │ CDP — Input.dispatch* events only
                        ▼
┌──────────────────────────────────────────────────────────┐
│         User's Real Browser (Opera/Chrome, port 9222)     │
│            sessions · cookies · logins preserved          │
└──────────────────────────────────────────────────────────┘

Wichtige Designentscheidungen

Entscheidung

Begründung

Alles in Python

PhantomWright + mcp-SDK sind beide Python — eine Sprache, ein Prozess, null IPC

PhantomWright statt OS-Eingabe

Keine ydotool/xdotool/KWin-Hacks; CDP-Ereignisse funktionieren unter Wayland und blockieren nie Benutzereingaben

CDP-Eingabe statt JS-Injektion

Input.dispatchMouseEvent ist eine vertrauenswürdige Geste; element.click() ist erkennbar und fragil

connect_over_cdp statt Browser starten

Die Sitzung des Benutzers IST das Produkt — kein erneutes Anmelden, keine verlorenen Cookies

Agent besitzt die Vision

Der Server extrahiert Geometrie/Screenshots; das eigene Vision-Modell des Agenten entscheidet die Koordinaten

📁 Projektstruktur

probrowser/
├── main entry
│   ├── src/__main__.py            # python -m src → stdio MCP loop
│   └── src/server.py              # registry (29 tools) + dispatch + timeouts + captcha hooks
├── core
│   ├── src/browser/connection.py  # connect_over_cdp, session persistence, page recovery
│   ├── src/browser/tab_manager.py # tab discovery / switching
│   ├── src/humanize.py            # Gaussian timing middleware
│   ├── src/errors.py              # classify_exception → structured error codes
│   ├── src/config.py              # env-driven configuration
│   └── src/logging.py             # per-action latency/success logging
├── tools (src/tools/, 29 modules)
│   ├── navigate · wait · list_tabs · switch_tab · open_tab · close_tab
│   ├── click · validate_position · click_position · type · hover · keyboard
│   ├── scroll · drag_drop
│   ├── get_dom · find · get_text · eval_js
│   ├── screenshot · screenshot_viewport · screenshot_save
│   ├── check_captcha · captcha_grid · solve_captcha
│   └── detect_browsers · check_browser · open_browser · help · list_tools
├── analyzer (src/analyzer/)
│   ├── dom_parser.py              # DOM → simplified JSON (interactive + visible only)
│   ├── hybrid_strategy.py         # DOM-first, vision fallback
│   └── captcha.py                 # CAPTCHA/ad-overlay detection
├── captcha (src/captcha/)
│   ├── grid.py                    # grid geometry + cropped screenshot extraction
│   └── solver.py                  # tile clicking + verify flow
├── docs/                          # 11 topics served via browse_help()
├── tests/                         # 87 unit tests + integration suite
├── AGENTS.md / CLAUDE.md          # operating guide injected into agents
└── dev-phase-mcp-server.md        # dev-phase principles

🛡️ Anti-Erkennung

Browser-Umgehungs-Stack

Ebene

Implementierung

Detail

Engine

PhantomWright (gepatchter Playwright-Treiber)

navigator.webdriver auf Treiberebene versteckt

Patches

Stealth-Patches vor jedem Seiten-JS

window.chrome, Plugins, WebGL-Vendor, Media-Codecs

Eingabe

CDP Input.dispatch* vertrauenswürdige Gesten

Nicht element.click(), keine OS-Level-Simulation

Sitzung

Echtes Benutzerprofil + echte IP + Erweiterungen

Am Fingerabdruck ändert sich nichts

Timing

Humanize-Middleware bei jeder Aktion

Gauß-Verzögerungen, natürliche WPM, sanftes Scrollen

Was weiterhin funktioniert

Deine Logins, Cookies, Erweiterungszustand, IP-Reputation, Canvas/WebGL/Audio-Fingerprints — alles bleibt nativ, weil der Browser deiner ist.

Einschränkungen

Aggressive Anti-Bot-Dienste (Cloudflare Turnstile, hCaptcha-Verhaltensanalyse) können weiterhin an der IP-Reputation scheitern. Fallback-Pfad: Screenshots + validate_positionclick_position, plus das CAPTCHA-Toolkit.

🧪 Testen

# Unit suite — fake pages, no browser required (87 tests)
.venv/bin/python -m pytest tests/ -q

# Integration suite — needs Opera running with CDP
.venv/bin/python -m pytest tests/test_integration.py -m integration

Tính năng

Feature

Beschreibung

🌐 Steuerung eines echten Browsers

An laufenden Opera/Chrome über CDP anbinden – Session, Cookies und Login bleiben erhalten

🧰 29 MCP-Tools

Navigation, Tabs, Klick/Tippen/Hover/Tastatur, Scrollen, Drag-and-Drop, DOM/Text extrahieren, JS, Screenshot, CAPTCHA

🕒 Menschliche Simulation

Gaußsche Verzögerung zwischen den Tasten (45–75 WPM), natürlicher Klick-Rhythmus, Scroll-Ease-out

🔍 Hybrid-DOM + Vision

Bevorzugt strukturiertes DOM; nur wenn fehlt, Wechsel zu Screenshot + Koordinaten

🎯 Koordinaten-Verifizierung

Bild mit X/Y-Achsen annotieren, die sich genau bei O=(x,y) schneiden, vor dem Koordinaten-Klick

🧩 CAPTCHA-Verarbeitung

Automatische Erkennung nach Navigation; Grid per Agent-Vision lösen; Auto-Solve über 2Captcha

🚨 Fehler mit Aktion

Jeder Fehler gibt {error_code, suggestion} zurück – der Agent weiß, was als Nächstes zu tun ist

✅ Getestet

87 Unit-Tests + Integrationstests auf echtem Browser

Schnelle Installation

git clone https://github.com/YOUR_USER/probrowser.git && cd probrowser
./setup.sh                                   # venv + dependencies + verify
opera --remote-debugging-port=9222           # hoặc để agent tự mở

Server in kilo.json deklarieren (siehe Quick Start), Client neu starten, fertig.


Erstellt mit 🎵 auf Arch Linux · MIT License

A
license - permissive license
Not graded
quality - not tested
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

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

Related MCP Servers

  • A
    license
    B
    quality
    F
    maintenance
    Enables AI agents to directly control your real Chrome browser with full context including login sessions, cookies, and open tabs. It provides tools for page scanning, JavaScript execution, CDP control, screenshots, and physical mouse/keyboard input for authentic browser automation.
    20
    239
    MIT
  • A
    license
    Not graded
    quality
    C
    maintenance
    Enables AI agents to create and control real, isolated browser profiles with engine-level fingerprinting and per-profile proxies, providing antidetect browsing capabilities through a Model Context Protocol interface.
    MIT

View all related MCP servers

Related MCP Connectors

  • Reliable web access for AI agents: smart HTTP, rotating proxies, and full-browser rendering.

  • Live browser debugging for AI assistants — DOM, console, network via MCP.

  • A paid remote MCP for AI agent browser approval MCP, built to return verdicts, receipts, usage logs,

View all MCP Connectors

Latest Blog Posts

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/momadhuynh04/probrowser'

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