agent-browser-mcp

让你的 Agent 直接操作“你正在使用的真实 Chrome”的 MCP 服务。

它不是沙盒浏览器，也不是简单网页抓取器，而是连接你本机已经打开的 Chrome，会保留：

• 登录状态
• Cookies
• 已打开标签页
• 真实页面上下文

适合这样的场景：

• 让 Hermes 直接读取你的小红书、后台系统、知识库、管理台页面
• 对已经登录的网站做自动化，而不是重新登录一个无状态浏览器
• 在普通浏览器自动化不稳定时，切换到 CDP / 真实鼠标键盘操作
• 在一个 MCP 工具里同时拥有：页面扫描、JS 执行、CDP 控制、截图、物理输入

一句话概括：

这是一个把“真实浏览器自动化”包装成标准 MCP 的项目，让 Agent 不再只会操作沙盒浏览器，而能真正进入你的日常浏览器工作流。

核心能力一览

• 真实 Chrome 标签页发现与切换
• 页面扫描与简化内容提取
• 页面内 JavaScript 执行
• 原生 CDP 单命令 / 批量调用
• 页面截图 / 桌面截图
• Cookies 读取
• 鼠标移动、点击、拖拽
• 键盘输入与热键

如果你希望让 Hermes、Claude Desktop、Cursor 等 MCP 客户端直接操作你本机真实浏览器，这个项目就是为这个场景准备的。

这个 MCP 能做什么

这个项目把真实浏览器自动化能力包装成了标准 MCP 工具，重点能力包括：

1. 浏览器标签页与导航

• 查看当前已连接的真实标签页
• 切换到指定标签页
• 在当前标签页打开 URL
• 新建标签页

2. 页面读取

• 扫描当前页面内容
• 提取简化后的 HTML / 文本
• 适合读取信息流、帖子列表、搜索结果页

3. 页面执行与 CDP 控制

• 在页面中执行任意 JavaScript
• 直接调用 Chrome DevTools Protocol（CDP）
• 支持单条命令和批量命令
• 可用于截图、DOM 查询、点击、文件上传等更复杂操作

4. 截图能力

• 页面截图（通过 CDP）
• 桌面截图（用于辅助真实桌面操作）

5. 真实物理输入

• 鼠标移动
• 鼠标点击
• 鼠标拖拽
• 键盘输入
• 热键发送

这类能力很适合处理：

• 必须保留登录态的网站
• 普通浏览器自动化工具容易被风控的网站
• 必须使用真实点击 / 真实键盘输入的场景
• 需要读取复杂页面结构的场景

适合哪些场景

例如：

• 用 Hermes 读取你当前小红书首页推荐流
• 在真实浏览器里打开后台页面并抓取信息
• 调用 CDP 截图页面
• 在页面 JS 不够用时，回退到真实鼠标/键盘操作
• 让 Agent 直接操作你已登录的网站，而不是重新登录一个无状态浏览器

工作原理

项目由三层组成：

1. Chrome 扩展

• 注入到真实网页
• 通过 Chrome API 访问 tabs / cookies / debugger / management
• 与本地桥接服务通信

2. TMWebDriver 本地桥接

• 默认监听：
  • WebSocket: 127.0.0.1:18765
  • HTTP: 127.0.0.1:18766
• 负责连接扩展、维护会话、转发执行结果

3. MCP 服务

• 把浏览器能力暴露为 MCP tools
• 供 Hermes、Claude Desktop、Cursor 等客户端直接调用

主要工具

当前暴露的主要 MCP 工具包括：

浏览器/标签页

• get_setup_status
• list_tabs
• switch_tab
• open_url
• open_new_tab
• extension_path
• list_extensions

页面读取/执行

• scan_page
• execute_js

CDP 与截图

• cdp_command
• cdp_batch
• get_cookies
• capture_page_screenshot
• capture_desktop_screenshot

物理输入

• mouse_move
• mouse_click
• mouse_drag
• type_text
• hotkey
• pointer_info

安装要求

推荐环境：

• macOS 或 Windows
• Python 3.10+
• Google Chrome
• 任意支持 MCP 的客户端，例如：
  • Hermes Agent
  • Claude Desktop
  • Cursor

安装

在本地克隆后执行：

cd agent-browser-mcp
pip install -e .

如果你想先构建 wheel 再安装：

python -m pip install --upgrade build
python -m build
pip install dist/agent_browser_mcp-0.1.0-py3-none-any.whl

命令行工具

安装后会提供一个 CLI：

agent-browser-mcp

它有几个常用子命令：

输出 Chrome 扩展目录

agent-browser-mcp extension-path

输出 Hermes 配置片段

agent-browser-mcp print-hermes-config

环境诊断

agent-browser-mcp doctor

这个命令会输出 JSON，帮助你检查：

• 扩展目录位置
• config.js 是否生成
• 端口状态
• 当前连接到的标签页数量
• 下一步建议

Chrome 扩展安装

这个项目包含一个 unpacked Chrome 扩展，需要手动加载一次。

第一步：获取扩展目录

agent-browser-mcp extension-path

第二步：在 Chrome 中加载

打开：

chrome://extensions

然后：

• 打开“开发者模式”
• 点击“加载已解压的扩展程序”
• 选择上一步输出的目录

第三步：打开正常网页

注意不要停留在 about:blank。

请在 Chrome 中打开一个正常网页，例如：

• https://www.baidu.com
• https://www.xiaohongshu.com

否则不会建立有效会话。

Hermes 配置

把下面这段加到 ~/.hermes/config.yaml：

mcp_servers:
  agent_browser:
    command: agent-browser-mcp
    timeout: 120
    connect_timeout: 60

项目里也附带了示例文件：

• examples/hermes-config.yaml

配置后，重启 Hermes 或重新加载 MCP。

可用下面的命令验证：

hermes mcp list
hermes mcp test agent_browser

如果测试成功，Hermes 就能发现并调用这些浏览器工具。

Claude Desktop / Cursor 配置

仓库中也放了示例：

• examples/claude-desktop-config.json
• examples/cursor-mcp.json

配置结构都很简单，核心就是：

{
  "mcpServers": {
    "agent_browser": {
      "command": "agent-browser-mcp",
      "args": []
    }
  }
}

典型使用流程

1. 安装 Python 包
2. 在 Chrome 中加载扩展
3. 打开一个真实网页
4. 在 MCP 客户端中接入这个服务
5. 开始调用浏览器工具

例如，Agent 可以做：

• 打开小红书首页
• 读取推荐流
• 扫描帖子列表
• 对页面进行 CDP 截图
• 在必要时执行真实鼠标/键盘操作

安全提醒

这个项目操作的是你的真实浏览器和真实桌面。

这意味着：

• 鼠标移动是真的
• 点击是真的
• 输入是真的
• 热键是真的
• 浏览器里的登录态也是真的

请只在你信任的 MCP 客户端和 Agent 环境中使用。

常见问题

1. Hermes 能看到 MCP 服务，但没有连接到任何标签页

请检查：

• 扩展是否已经在 chrome://extensions 中加载
• Chrome 里是否打开了正常网页
• 是否只是停留在 about:blank

你也可以运行：

agent-browser-mcp doctor

2. connected_tabs 为 0

通常是以下原因之一：

• 扩展没有加载成功
• 当前没有正常网页
• 扩展刚重载，页面还没刷新

建议：

• 刷新当前网页
• 新开一个正常 URL
• 再运行一次 doctor

3. 物理输入在 macOS 上不生效

请给终端 / MCP 客户端授予系统权限：

• 辅助功能（Accessibility）
• 屏幕录制（如果你需要桌面截图）

4. hermes mcp test agent_browser 失败

请检查：

• 包是否安装成功
• agent-browser-mcp 是否在 PATH 中
• Hermes 配置是否正确
• 运行 agent-browser-mcp doctor 看诊断输出

致谢

这个项目的浏览器自动化能力，是从 GenericAgent 的浏览器栈中提取并重新封装成 MCP 服务的。

特别感谢 GenericAgent 项目及其作者提供的原始实现思路与核心能力来源。

原项目地址：

• https://github.com/lsdefine/GenericAgent

本项目中以下部分来自或改编自 GenericAgent：

• TMWebDriver.py
• simphtml.py
• tmwd_cdp_bridge Chrome 扩展资源

如果你基于本项目继续二次开发或发布，也建议保留对 GenericAgent 的致谢与来源说明。

许可证

MIT