browser-mcp
Browser MCP lets an MCP-capable AI use your real Chrome session locally to browse/search/read web content and automate browser UI, including logged-in platform workflows.
Check Chrome extension bridge connection, port, extension directory, and version.
Read public HTTP(S) pages through Chrome using readability, visible text, rendered HTML, or XHR extraction; paginate long results with immutable snapshots.
Inspect and operate pages visually: get screenshots and numbered element references, click, scroll, type, press keys, and choose native select options in a background tab.
Check login status for Zhihu, Xiaohongshu, X, and Reddit.
Search/read Zhihu content and view logged-in answer invitations.
Search Xiaohongshu notes, read note details, and list notes for the logged-in or specified account.
Search X posts and read individual posts with metrics, media, and links.
Search Reddit posts and read a post with rendered comments.
Run web searches via Google, Bing, and Sogou.
Continue reading long platform documents via site-specific snapshots.
Keep operation local: server and extension communicate over localhost; MCP tools do not return or persist cookies.
Some UI interactions, especially clicks, can cause external side effects and should be confirmed before sensitive actions.
Provides web search using Google, returning titles, target URLs, sites, and content snippets.
Enables searching Reddit posts by relevance, popularity, top, new, or number of comments, and reading post details and comments.
Provides web search using Sogou, returning original website links, titles, sites, and snippets while excluding ads and navigation results.
Allows searching Zhihu for content, answers, articles, or questions; reading question, answer, and article content; and viewing current login account's invitation answers.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@browser-mcp Open https://news.ycombinator.com and summarize the top 5 stories"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
Browser MCP
让你的 AI 真正能搜遍全网。 所有你能登录访问的站点——小红书、知乎、X、抖音、B 站、Reddit 乃至任意登录态站点——内容都能抓下来,还能在后台替你自动化操作:不无头、不逆向、不偷 Cookie。
Browser MCP 是一个本地 MCP server。它让任何支持 MCP 的 AI 助手,在你真实 Chrome 的登录态里:
搜遍并抓取全网任意站点的内容——公开页面、JavaScript 渲染页面,以及登录后才看得到的页面;
在后台 Chrome 窗口里自动化操作——点击、滚动、输入、按键、下拉,全程不切走你当前正在看的页面。
内置搜索 / 爬虫 | Browser MCP |
搜索引擎有的、能公开爬到的才拿得到 | 全网——只要能登录访问,内容都抓得到 |
登录态内容搜不到、进不去 | 用你已登录的状态,直接取 |
大多只能读 | 能点击、滚动、输入、按键、下拉 |
逆向接口,平台一改版就崩 | 驱动真实 UI、读真实渲染 DOM,改版也不怕 |
易被反爬拦截、易泄漏 Cookie | 不逆向、扩展零 |
只适配个别 Agent | 标准 MCP:Codex / Claude Desktop / Cursor / Claude Code…都能接 |
本地运行,数据不出本机:MCP server 与 Chrome 扩展都在你本机运行,只走 localhost(127.0.0.1),
没有额外远程服务器,也不会上传你的会话。
登录态不泄露:扩展不申请
cookies权限,不返回、不持久化 Cookie——登录态只在你自己的 Chrome 里被页面正常使用,从不经 MCP 传出。记录与产物留本地:连接、工具调用与媒体下载状态都保存在本地;下载落盘并记录 SHA-256,不对外上报。
完全合规:不逆向内部接口、不绕过验证码、不窃取 Cookie、不批量抓取——行为就是一个普通登录用户 在浏览。
边界说明:你让 AI 读取的页面内容会作为工具结果返回给 AI 助手(这正是它的用途);若该助手 连接的是模型 API,那部分内容会进入模型服务。但登录态与 Cookie 永不随之外泄——这点与「把内容 交给 AI」是两回事。
你能用它做什么
一句话:只要能登录访问,就都能抓。 你的 AI 可以直接在知乎、小红书、X、抖音、B 站、Reddit 乃至 任意站点里搜索、抓内容、做操作——用你已登录的状态拿到平台本身的数据。
直接在真实平台里搜:知乎、小红书、X、抖音、B 站、Reddit —— 用你已登录的状态,取到平台本身的数据,不靠 agent 内置搜索。
读任意网页:正文、页面可见文本、JavaScript 渲染内容、页面请求返回的数据,以及登录后才看得到的内容。
后台操作网页:在共享登录态的后台 Chrome 窗口里返回截图 + 编号可操作元素,继续点击、滚动、输入、按键、下拉、上传文件;不切走你当前的页面。
知乎:搜索、问题、回答、文章、邀请回答。
小红书:搜索、账号发布列表、笔记详情、完整评论(断点续抓)、点赞/收藏、图片/视频下载。
抖音:搜索、视频/图文详情、完整评论(断点续抓)、点赞/收藏、图片/视频下载。
B 站:视频搜索、内容 meta、分 P 信息、视频或纯音频下载。
X:帖子搜索、帖子详情。
Reddit:帖子搜索、帖子详情、评论。
搜索:Google、必应、搜狗网页搜索。
当前版本为 0.15.1,版本变更见 CHANGELOG.md。
点赞、收藏、发布、发送、购买、删除等会产生外部影响的最终操作,应在执行前向用户确认。 扩展会使用当前 Chrome Profile 的登录状态访问页面,但不会向 MCP 返回或持久化 Cookie。
Related MCP server: byob
快速开始
1. 环境要求
Python 3.12+
Google Chrome
2. 安装
方式一:pip(已发布,推荐)
pip install ai-browser-mcp装完即可直接运行 browser-mcp(Chrome 扩展已打包在安装内;扩展目录取 browser_status 返回的
extension_dir,加载方式不变)。要临时开一个指定版本,可用 uvx ai-browser-mcp。
方式二:从源码
git clone https://github.com/ywleeo/browser-mcp.git
cd browser-mcp
uv sync下文中的 /path/to/browser-mcp 表示源码方式下本项目在本机的绝对路径;pip 安装时无需指定路径,
直接使用 browser-mcp 命令即可。
3. 加载 Chrome 扩展
调用
browser_status,获取返回结果中的extension_dir。打开
chrome://extensions。开启“开发者模式”。
点击“加载已解压的扩展程序”。
选择
extension_dir对应的目录。再次调用
browser_status。
连接成功时会返回:
{
"state": "connected",
"connected": true,
"bridge_port": 17880,
"server_version": "0.15.1",
"install_mode": "source",
"project_root": "/path/to/browser-mcp",
"source_commit": "<git-commit>",
"upgrade_check_command": "uv --directory /path/to/browser-mcp run browser-mcp upgrade --check --json",
"upgrade_apply_command": "uv --directory /path/to/browser-mcp run browser-mcp upgrade --apply --json"
}bridge_port 也可能是 17880..17889 中的其他端口。扩展通常只需加载一次,之后会在 MCP
server 启动时自动重新连接。更新扩展后若没有自动生效,请在 chrome://extensions 中点击
“重新加载”。
4. 接入你的 AI 客户端
Codex
codex mcp add browser_mcp -- \
uv --directory /path/to/browser-mcp run browser-mcp或直接写入 Codex MCP 配置:
[mcp_servers.browser_mcp]
command = "uv"
args = [
"--directory",
"/path/to/browser-mcp",
"run",
"browser-mcp",
]首次添加或修改配置后重启 Codex。连接成功后,即可使用下方列出的 MCP 能力。
如需移除配置:codex mcp remove browser_mcp。
Claude Desktop
在 Claude Desktop 配置文件中加入:
{
"mcpServers": {
"browser-mcp": {
"command": "uv",
"args": [
"--directory",
"/path/to/browser-mcp",
"run",
"browser-mcp"
]
}
}
}保存配置后重启 Claude Desktop。
DeepSeek Harness (dsh)
一条命令即可把该服务注册为 dsh 原生 MCP 工具:
dsh plugin --profile web add "github:ywleeo/browser-mcp#main"重启 dsh web 后,工具以 mcp__browser__* 形式出现(如
mcp__browser__browser_read、mcp__browser__browser_snapshot)。
这是一个"仅配置"的 dsh bundle:它把 @deepseek-ai/dsh-mcp-client 接到该服务,
而服务本身由 uvx 从 PyPI(ai-browser-mcp)拉起,所以只要 PATH 里有 uv
即可,无需本地 checkout。卸载用 dsh plugin --profile web remove "@ywleeo/dsh-browser-mcp"。
若要让 dsh 跑本地 checkout 而非 PyPI 发布版(改完代码直接验证),改用:
python3 scripts/install-dsh.py --profile web它把一条指向当前项目目录的 insert 配置写进 ~/.dsh/profiles/<profile>/cordis.patch.yml,
按 id 判重可重复执行。uv 或项目根找不到时用 --uv / --project-dir 指定。
5. 直接开用
连接成功后,直接用自然语言告诉你的 AI 助手,例如:
“搜索知乎里关于 MCP 的回答。” “把这篇小红书笔记的全部图片下载到
/绝对路径/素材。” “读取这条抖音视频的内容和评论。” “打开这个网页,根据截图填写搜索框并点击搜索。”
完整的可直接复述的示例见 使用示例。
详细参考
升级
源码安装提供 Agent 可直接执行的安全升级命令。先检查版本与仓库状态:
uv --directory /path/to/browser-mcp run browser-mcp upgrade --check --json确认可以升级后执行:
uv --directory /path/to/browser-mcp run browser-mcp upgrade --apply --json升级器只接受设置了 upstream 的 Git 分支,并遵循以下保护规则:
工作区有未提交或未跟踪文件时拒绝升级。
本地与远端分叉时拒绝升级,不创建隐式 merge commit。
只使用
git pull --ff-only更新源码。使用
uv sync --frozen同步锁定依赖,不修改uv.lock。
--apply 成功并返回 restart_required: true 后,需要让客户端重新连接 MCP server。Codex
中可开启新任务或重连该 MCP;只有客户端无法单独重连时才需要重启客户端。新 MCP server
启动时会刷新扩展 bundle;已加载的 Chrome 扩展根据 build ID 自动重载,无需重新选择扩展目录。
Agent 不需要猜测项目路径。调用 browser_status 后,直接使用返回的
upgrade_check_command 和 upgrade_apply_command 即可。wheel 或其他包管理器安装会返回
install_mode: "package",此时应使用原安装工具升级,而不是修改任意 Git 仓库。
扩展权限
<all_urls>:用于打开调用方明确请求的公开 HTTP(S) 页面,并支持多个站点 adapter;不会 主动遍历浏览历史。debugger:用于捕获页面请求响应,在评论流和视觉交互中发送可信浏览器输入事件,以及把本地 文件直接写入网页的文件输入框(系统文件选择框不会弹出)。tabs、scripting:用于管理隔离的后台标签页并执行项目内置的固定提取脚本。storage、alarms:用于本地配对配置和 MV3 service worker 保活。
扩展没有申请 cookies 权限。登录态只由目标页面在当前 Chrome Profile 内正常使用,Cookie
不会通过 MCP 工具结果返回。
知乎、小红书、抖音、X 和 Reddit 工具会在执行任务前检查当前 Chrome Profile 的平台登录状态:
已登录:继续执行请求。
未登录:停止任务并返回对应平台的登录地址,客户端会提示用户先登录。
无法确认:停止任务,避免在登录状态不明确时继续访问目标内容。
登录状态不做缓存。用户在 Chrome 中完成登录后,可以直接重试原来的请求。
媒体下载
xhs_download 和 douyin_download 支持以下通用参数:
media:选择images、video或all。output_dir:可选的绝对目录;省略时保存到 Browser MCP 数据目录下的downloads。overwrite:默认false,同名文件会自动分配新文件名;只有显式设置后才覆盖。max_file_mb:单文件大小上限,默认 1024 MiB。
下载前会先通过当前 Chrome 登录态读取作品详情,再对页面派生的媒体 URL 执行平台 CDN
白名单、公共地址、逐跳重定向和响应媒体类型校验。文件使用 .part 临时文件流式写入,
完成后原子落盘;结果包含最终路径、字节数、Content-Type 和 SHA-256。
bilibili_download_video 与 bilibili_download_audio 使用同样的绝对目录、覆盖策略和大小
限制。B 站通常返回分离的 DASH 视频/音频轨:视频工具在系统可用 ffmpeg 时以 stream copy
无损合并为 MP4;找不到 ffmpeg 时返回两个独立轨道文件,不伪装成完整视频。纯音频工具
只保存兼容性最高的音轨。分 P 视频可在 URL 中传入 ?p=N 指定页面。
评论完整性与断点续抓
xhs_comments 与 douyin_comments 会滚动作评论流、展开回复,并观察页面自身发起的签名分页
请求。结果中的 complete 表示已观察到所有已发现评论流的终止页;limit_reached 表示因
max_comments 截断;pages_fetched 和 scrolls 可用于诊断采集过程。
热门作品的评论流要滚几分钟,超过任何 MCP 客户端愿意等待的单次调用时长,因此一次调用不追求
抓完:time_budget_seconds(默认 40 秒)到点后采集会挂起而不是失败,返回这一次新抓到的
评论,并给出 session_id。用同一 url 加上该 session_id 再调一次,即从上次停下的滚动位置
继续,不重复已抓过的评论:
budget_exhausted表示本次是预算到点收尾,数据完整可用,只是还没抓完;session_id非空即可续抓,为空表示已经结束(抓完、达到上限或流已到底);collected_total是该会话累计已收集的评论数,配合total可判断进度;每次返回的
items只包含本次新增的评论,调用方自行合并。
挂起的会话会保留一个后台采集窗口,闲置 5 分钟后自动关闭,之后旧 session_id 失效,需要重新
开始采集。把 time_budget_seconds 调大可以减少续抓次数,但要确认 MCP 客户端的单次调用超时
(多数默认 60 秒)留得够。
点赞与收藏
xhs_like、xhs_collect、douyin_like、douyin_collect 接受作品 url 和期望状态
enabled(默认 true)。工具先读取当前页面状态,只有状态不一致时才点击一次,随后只轮询
验证结果;重复传入同一状态不会反向取消。传入 enabled=false 可取消点赞或收藏。
这四个工具会修改当前 Chrome Profile 对应账号的外部状态。MCP 客户端必须在每次调用前立即 取得用户明确确认;工具不会把一次未能验证的点击自动重试。
扩展排错
state: disconnected:确认扩展已启用,然后在扩展详情页点击“重新加载”。端口被占用:服务会自动尝试
17880..17889,以状态结果中的bridge_port为准。服务会 监控跳过uv后的真实 MCP Host;Host 异常退出时自动释放监听端口,不需要 Agent 猜测并 清理其他进程。端口池被闲置会话占满:不会发生。MCP Host 活着但早已不用 Browser MCP 的 server 会自己退场—— 超过
BROWSER_MCP_IDLE_TIMEOUT_SECONDS(默认 3600 秒)没有任何 MCP 调用就退出并交还端口。 万一新会话启动时端口池仍然全满,它会回收其中闲置最久的那一个(需闲置超过BROWSER_MCP_RECLAIM_IDLE_SECONDS,默认 300 秒),所以新会话总能起来。真的一个都回收不了时, 启动错误会直接列出占着每个端口的进程 PID、宿主 PID 和闲置时长,而不是只丢一句“端口已被占用”。 注意:扩展会同时连上池内每一个端口,所以“有没有连接”不代表“还在被使用”,判断依据只有真实的 MCP 调用。断连不会丢掉页面上的工作:MV3 service worker 休眠导致的短暂断开只释放 debugger 附着, 标签页与窗口保留,重连后继续沿用;只有 MCP server 主动停止,或同一端口超过 5 分钟没能重连, 才会回收窗口。
扩展目录变化:以最新一次
browser_status返回的extension_dir为准。不要分享
pairing.json或pairing-token,它们包含本地连接凭据。
特殊进程监督器可以通过 BROWSER_MCP_OWNER_PID 显式传入宿主 PID;设置为 0 才会关闭
宿主存活监控。普通 Codex、Claude 或命令行配置无需设置此变量。
两个回收阈值同样可调:BROWSER_MCP_IDLE_TIMEOUT_SECONDS 控制闲置多久自行退场(设 0 关闭
自退),BROWSER_MCP_RECLAIM_IDLE_SECONDS 控制端口池满时一个 server 至少要闲置多久才允许被
新会话回收。回收只认「PID + 进程启动时间」完全匹配的目标,PID 被系统复用的进程只会被清掉过期
记录,绝不会收到信号。
MCP 能力
这些工具由支持 MCP 的客户端自动调用。日常使用时直接描述目标即可,不需要手动填写接口参数。
工具 | 适用范围 | 能做什么 |
| 连接检查 | 检查 MCP server 与 Chrome 扩展是否连接,并返回服务版本、安装模式、源码 commit 及可直接执行的升级命令。 |
| 通用网页 | 使用真实 Chrome 打开网页,读取文章正文、页面可见文本、JavaScript 渲染内容及页面请求返回的数据;也能利用当前 Chrome 的网站登录状态。 |
| 通用网页 | 当网页内容较长时继续读取后续内容,并保持与首次读取相同的页面快照。 |
| 网页操作 | 在共享当前登录态的后台 Chrome 窗口中打开网页,不切走用户当前页面;向 Agent 返回当前视口截图、可见文字以及带编号的按钮、链接、输入框等可操作元素。未提供网址时,可以观察当前页面。 |
| 网页操作 | 直接按当前截图中的像素坐标移动可信鼠标并点击;点击链路不遍历 DOM 或 iframe,最多读取坐标下最上层的第一个 hover 节点。 |
| 网页操作 | 处理 Chrome 原生 |
| 网页操作 | 向上、向下、向左或向右滚动网页,也可以把指定元素滚动到视口中。滚轮落在截图坐标 |
| 网页操作 | 列出当前 Chrome 里打开的网页标签及其 id、网址与标题,用来找回此前打开的页面或确认标签还在。只读,不会切换或改动任何标签;只返回 http(s) 页面,浏览器内部页与扩展页不会返回。 |
| 网页操作 | 在输入框或可编辑区域填写、追加或替换文字,并返回填写后的页面状态;密码内容不会出现在元素信息中。 |
| 网页操作 | 执行 Enter、Escape、Tab、方向键、翻页键、Home、End 等常用键盘操作,走 Chrome 可信输入通道,因此 Tab 会真正移动焦点并触发表单提交值所需的 |
| 网页操作 | 在网页原生下拉选择框中选择选项,并返回选择后的页面状态。 |
| 网页操作 | 把本地文件直接写入网页的文件输入框,并返回上传后的页面状态。Chrome 自己读取路径,因此不会弹出系统文件选择框,也不需要操作它——永远不要为了上传去点上传按钮,那会弹出系统对话框,任何浏览器工具都关不掉也填不了。多数上传按钮把真正的 |
| 登录检查 | 查看当前 Chrome Profile 是否已登录知乎、小红书、抖音、X 或 Reddit;只检查会话状态,不执行平台任务,也不会返回 Cookie。 |
| 知乎 | 搜索知乎的综合内容、回答、文章或问题,获取标题、作者、摘要、互动数据和原始链接。 |
| 知乎 | 读取知乎问题、回答或专栏文章的正文,适合总结内容、提取观点或继续分析。 |
| 知乎 | 查看当前登录账号收到的邀请回答,了解邀请人、相关问题、邀请时间和来源。 |
| 小红书 | 搜索小红书笔记,并按综合、最新或最热查看标题、作者、封面及互动信息。 |
| 小红书 | 读取单篇图文或视频笔记的标题、正文、作者、发布时间、互动数据及图片或视频地址。 |
| 小红书 | 将单篇笔记设置为期望的点赞/未点赞状态;调用前必须确认,重复调用同一状态不会反向取消。 |
| 小红书 | 将单篇笔记设置为期望的收藏/未收藏状态;调用前必须确认,重复调用同一状态不会反向取消。 |
| 小红书 | 将单篇笔记的图片、视频或全部媒体流式下载到本地目录;默认使用 Browser MCP 数据目录下的 |
| 小红书 | 滚动笔记自身的评论流并展开回复,按评论 ID 去重获取评论与子评论;在时间预算内返回已抓到的增量评论,未抓完时给出可续抓的 |
| 小红书 | 获取当前登录账号或指定账号发布的笔记列表;可连续收集多页并去重,查看标题、发布时间、封面、点赞数、置顶状态和笔记链接。 |
| 抖音 | 搜索抖音视频或图文作品,获取作品 ID、描述、作者、发布时间、封面及点赞、评论、收藏和分享数据。 |
| 抖音 | 读取单个抖音视频或图文作品的作者、正文、发布时间、互动数据、媒体地址和音乐信息。 |
| 抖音 | 将单个作品设置为期望的点赞/未点赞状态;调用前必须确认,重复调用同一状态不会反向取消。 |
| 抖音 | 将单个作品设置为期望的收藏/未收藏状态;调用前必须确认,重复调用同一状态不会反向取消。 |
| 抖音 | 将单个视频或图文作品的媒体流式下载到本地目录;支持只选图片、只选视频或全部媒体。 |
| 抖音 | 滚动作品实际评论流并展开回复,按评论 ID 去重获取评论与子评论;在时间预算内返回已抓到的增量评论,未抓完时给出可续抓的 |
| B 站 | 搜索视频并按综合、播放量、最新、弹幕量或收藏量排序,返回标题、作者、时长、标签、统计数据和规范 BV 链接。 |
| B 站 | 读取 BV/AV 视频的标题、简介、作者、发布时间、互动统计、标签和全部分 P 信息;支持用 |
| B 站 | 下载指定视频或分 P 的最佳兼容画面和音频;有 FFmpeg 时无损合并为 MP4,否则明确返回两个轨道。 |
| B 站 | 只下载指定视频或分 P 的最佳兼容音轨,保存为可直接识别的音频文件。 |
| X | 搜索 X 上的帖子,可查看热门或最新结果,并获取作者、正文、发布时间、互动数据、媒体和链接。使用当前 Chrome 的 X 登录状态。 |
| X | 读取单条 X 帖子的正文、作者、发布时间、回复数、转发数、点赞数、浏览数、媒体和外部链接。 |
| 搜索 Reddit 帖子,可按相关性、热门、最高票、最新或评论数排序,查看社区、作者、票数、评论数和帖子链接。 | |
| 读取 Reddit 帖子的正文或媒体信息,并获取页面中已经加载的评论及其作者、时间、得分和层级。 | |
| 使用 Google 搜索网页,获取标题、目标网址、站点和内容摘要。 | |
| 必应 | 使用必应搜索网页,获取标题、目标网址、站点和内容摘要。 |
| 搜狗 | 使用搜狗搜索网页,返回原始网站链接、标题、站点和摘要;排除搜狗站内导航及带有明确广告标识的结果。 |
| 知乎等平台 | 当平台内容较长时继续读取后续内容,不重新访问目标页面,适合完整获取长回答或长文章。 |
工具分组(按需暴露)
41 个工具全塞给客户端,每次请求都要重发全部 schema,小任务也要在几十个工具里挑。用
BROWSER_MCP_TOOLSETS 只暴露当前场景需要的那组:
BROWSER_MCP_TOOLSETS=core,search browser-mcp serve
# 或者
browser-mcp serve --toolsets core,search分组 | 包含的工具 |
|
|
|
|
|
|
|
|
| 小红书 8 个工具 |
| 抖音 6 个工具 |
| B 站 4 个工具 |
|
|
|
|
不设置时保持原样,注册全部 41 个工具。写错分组名会在启动时报错并列出可用分组。
按连接生效:每个客户端拉起自己的 server,各选各的组合。想留全部工具但按需加载,选
all(即不设置),让客户端自己控制加载。
使用示例
可以直接向支持 MCP 的客户端提出自然语言请求,例如:
“读取这个网页并总结重点。”
“打开这个网页,根据截图填写搜索框并点击搜索。”
“向下滚动页面,找到联系我们按钮并点击。”
“把这篇小红书笔记的全部图片下载到
/绝对路径/素材。”“下载这个抖音作品的视频,返回保存路径和 SHA-256。”
“检查我是否已经登录小红书。”
“搜索知乎里关于 MCP 的回答。”
“读取今天收到的知乎邀请回答。”
“搜索小红书最近的露营笔记。”
“读取这条小红书笔记的正文和图片。”
“获取这条小红书笔记的全部评论和回复。”
“点赞并收藏这条小红书笔记。”(客户端会在实际调用前确认)
“列出我小红书账号发布的全部帖子。”
“搜索抖音里关于牵手 APP 的作品。”
“读取这条抖音视频的内容和评论。”
“取消点赞这条抖音作品。”(客户端会在实际调用前确认)
“搜索 B 站关于 OpenAI 的视频,并读取第一条视频的 meta。”
“下载这个 B 站视频,并另外提取一份纯音频。”
“搜索 X 上关于 OpenAI 的最新帖子。”
“读取这条 X 帖子的正文和互动数据。”
“搜索 Reddit 上关于 MCP 的高票帖子。”
“读取这个 Reddit 帖子以及前 20 条评论。”
“分别用 Google、必应和搜狗搜索 Browser MCP。”
网页每次变化后都会生成一组新的元素编号,Agent 应使用最新截图中的编号继续操作。
直接运行
如需手动启动 stdio server:
uv run browser-mcp进程会在 stdin 等待 MCP JSON-RPC,直接在终端运行时没有输出属于正常现象。
License
Available Tools
24 toolsbing_searchARead-onlyIdempotent
Search the public web with Bing through the user's real Chrome session.
Inputs: keyword (required), limit. Returns: Normalized first-page results from one web search engine.
browser_clickADestructive
Click a current browser_snapshot element_id; use viewport coordinates only when no semantic element reference is available.
Inputs: x, y, wait_ms, element_id.
browser_pressADestructive
Press one supported non-text keyboard key, optionally focused on a current element reference, then return the new visual state.
Inputs: key (required), wait_ms, element_id.
browser_readARead-onlyIdempotent
Load a public HTTP(S) URL in the user's real Chrome session and extract readability text, visible text, rendered HTML, or XHR responses.
Inputs: url (required), extract, wait_ms, max_chars. Returns: Stable result envelope shared by initial fetches and snapshot pages.
browser_read_pageARead-onlyIdempotent
Read the next Unicode-safe page from an existing immutable browser snapshot.
Inputs: snapshot_id (required), offset, max_chars. Returns: Stable result envelope shared by initial fetches and snapshot pages.
browser_scrollARead-only
Scroll the managed page in one direction or bring a current element reference into view, then return the new screenshot and references.
Inputs: amount, wait_ms, direction, element_id.
browser_selectAIdempotent
Choose a native select option by its exact value or visible label, then return the new visual state.
Inputs: value (required), element_id (required), wait_ms.
browser_snapshotARead-onlyIdempotent
Open a public URL or observe the managed Chrome tab, returning a viewport screenshot plus fresh element references for visual interaction.
Inputs: url, wait_ms.
browser_statusARead-onlyIdempotent
Return the local Chrome extension bridge installation and connection status.
Inputs: no named parameters. Returns: Connection and installation diagnostics returned to MCP clients.
browser_typeA
Type text into a current editable element reference, optionally replacing its contents and pressing Enter, then return the new visual state.
Inputs: text (required), element_id (required), clear, submit, +1 more.
google_searchARead-onlyIdempotent
Search the public web with Google through the user's real Chrome session.
Inputs: keyword (required), limit. Returns: Normalized first-page results from one web search engine.
reddit_postARead-onlyIdempotent
Read one Reddit post and a bounded set of comments rendered on its page.
Inputs: url (required), max_comments. Returns: Normalized Reddit post metadata, body, media, and rendered comments.
reddit_searchARead-onlyIdempotent
Search Reddit posts and return normalized post metadata and links.
Inputs: keyword (required), sort, limit. Returns: Normalized posts returned by Reddit search.
site_login_statusARead-onlyIdempotent
Check whether the current Chrome Profile is logged in to Zhihu, Xiaohongshu, X, or Reddit without executing a platform task.
Inputs: platform (required). Returns: One platform's login state without exposing browser credentials.
site_read_pageARead-onlyIdempotent
Read the next page of an existing immutable site-specific document snapshot.
Inputs: snapshot_id (required), offset, max_chars. Returns: One Unicode-safe page from a normalized website document.
sogou_searchARead-onlyIdempotent
Search the public web with Sogou through the user's real Chrome session.
Inputs: keyword (required), limit. Returns: Normalized first-page results from one web search engine.
xhs_noteARead-onlyIdempotent
Read one Xiaohongshu explore-note URL with its xsec access parameters.
Inputs: url (required). Returns: Normalized Xiaohongshu note detail from SSR initial state.
xhs_searchARead-onlyIdempotent
Search Xiaohongshu through its signed web request in the current Chrome session.
Inputs: keyword (required), page, sort. Returns: Normalized Xiaohongshu search page.
xhs_user_notesARead-onlyIdempotent
List notes published by a Xiaohongshu account through the current Chrome session; omit user_id to use the logged-in account.
Inputs: user_id, max_pages. Returns: Published-note list with explicit pagination completeness.
x_postARead-onlyIdempotent
Read one X post with author, text, metrics, links, and media URLs.
Inputs: url (required). Returns: Normalized detail for one X status URL.
x_searchARead-onlyIdempotent
Search X (formerly Twitter) posts through the user's current Chrome session.
Inputs: keyword (required), sort, limit. Returns: Normalized posts from an X search timeline.
zhihu_contentARead-onlyIdempotent
Read a Zhihu question, answer, or article as a pageable normalized document.
Inputs: url (required), max_chars. Returns: One Unicode-safe page from a normalized website document.
zhihu_invitationsARead-onlyIdempotent
Read the logged-in Zhihu account's answer invitations for one Asia/Shanghai date.
Inputs: day, max_pages. Returns: Answer invitations for one day with an explicit completeness signal.
zhihu_searchARead-onlyIdempotent
Search Zhihu using the current Chrome session and return normalized results.
Inputs: keyword (required), offset, search_type. Returns: Normalized Zhihu search page.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 24 tools
Most tools are cleanly separated by domain prefix and action (e.g., browser_*, zhihu_*, xhs_*), making them easy to distinguish. However, browser_read and browser_snapshot both load URLs with different output types, and browser_read_page vs site_read_page could initially cause confusion.
All tool names use lowercase_with_underscores and a clear domain prefix, which is very consistent. The pattern is not always verb_noun (e.g., browser_status, zhihu_invitations), mixing action and noun forms, but the prefix-based scheme makes the set predictable.
With 24 tools, this server is on the heavy side, though the breadth of domains (browser control, platform-specific reads for five sites, and three search engines) argues for a larger surface. Some consolidation could reduce the count, but most tools earn their place.
The server covers the core browser lifecycle (load, view, click, type, scroll, select, press) plus a solid set of reads for major platforms and search engines. Missing advanced interactions like hover or multi-step workflows, but no obvious dead ends for the stated purpose.
Maintenance
Related MCP Connectors
Hosted Web Crawler MCP server for Claude, ChatGPT and Cursor, with each action switched per account.
Turn any public website into an MCP server for agents to search, read and navigate.
Hosted X (Twitter) MCP server for Claude, ChatGPT and Cursor, with each action switched per account.
Web scraping, browser automation, screenshots and AI data extraction for AI agents via MCP.
Related MCP Servers
- AlicenseNot gradedqualityAmaintenanceA local MCP server that enables AI coding assistants to drive the real, already-logged-in Chrome browser — navigating pages, clicking, typing, reading content, taking screenshots, and inspecting tabs, cookies, and network traffic through natural language. It works as a Chrome extension, so no remote-debugging port needs to be opened and pages the user is already signed into are fully usable.1 npmISC
- AlicenseNot gradedqualityAmaintenanceA local MCP server that lets AI agents drive the real, already-logged-in Chrome browser through a companion extension, navigating tabs, clicking, typing, reading pages, filling forms, taking screenshots, and inspecting cookies, storage, console and network traffic. It keeps all communication on the local machine, with no remote-debugging port to expose and no separate headless browser or manual cookie copying to set up.1 npmISC
- AlicenseNot gradedqualityAmaintenanceA local MCP server that lets AI assistants drive your real, already-logged-in Chrome through a browser extension, so agents can read, click, type, navigate, screenshot, inspect network traffic, and manage cookies or storage on pages that require existing sessions. It works without opening a remote-debugging port and keeps all communication on your machine.1 npmISC
- AlicenseNot gradedqualityAmaintenanceA local MCP server that lets AI coding tools drive your real, already-logged-in Chrome — navigating, reading, clicking, filling forms, screenshotting, inspecting network traffic and cookies. Because it runs through a browser extension instead of a debugging port, it works on authenticated pages and passes bot detection without extra setup.1 npmISC