MCP Browser Use Server

🚀 MCPサーバーの実装 - ブラウザを使用した実装

このプロジェクトは、MCPプロトコルに基づく具体的なサービスを実現し、自然言語指令を通じてブラウザを制御し、様々な操作を実行することができます。主な機能は以下の通りです。

• ブラウザ制御：ナビゲート、クリック、入力、スクロールなど
• フォーム処理：フォームの入力、リクエストの送信など
• 状態照会：ページ内容の取得、スクリーンショットの取得など
• マルチタブ管理：タブの作成、切り替え、閉じる
• 視覚認識：画像認識を通じて要素を特定
• モデル呼び出し：複数のAIモデルをサポートし、インテリジェントな判断を提供

✨ 主な機能

• ブラウザ制御：ナビゲート、クリック、入力、スクロール等の操作が可能です。
• フォーム処理：フォームの入力やリクエストの送信などの処理ができます。
• 状態照会：ページ内容やスクリーンショットを取得できます。
• マルチタブ管理：タブの作成、切り替え、閉じるを行うことができます。
• 視覚認識：画像認識を利用して要素を特定します。
• モデル呼び出し：複数のAIモデルをサポートし、インテリジェントな判断を提供します。

📦 インストール

このプロジェクトは以下の技術に基づいています。

• MCPプロトコル: AIとサービスのインタラクションの標準インターフェースを定義します。
• Claude CLI: MCPサーバーの実行環境を提供します。
• Python: サービスロジックを実装するために使用されます。
• Uv: 開発ツールチェーンとして使用されます。

🚀 クイックスタート

Claude CLIを使用すると、簡単にサービスを起動できます。

# サービスのインストールと実行
npx @modelcontextprotocol/cli run mcp-server-browser-use

# ログの確認
npx @modelcontextprotocol/cli logs mcp-server-browser-use

# Inspectorでコンソールを開く
npx @modelcontextprotocol/inspector run mcp-server-browser-use

📚 ドキュメント

設定オプション

設定ファイルまたは環境変数を使用して、サービスの動作を設定できます。以下はいくつかの重要な設定です。

{
  "command": "uvx",
  "args": ["mcp-server-browser-use"],
  "env": {
    // ブラウザのデバッグポート、デフォルトは9222
    "CHROME_DEBUGGING_PORT": "9222",
    // ブラウザのユーザーデータディレクトリ、デフォルトは空文字列でデフォルト設定を使用
    "CHROME_USER_DATA": "",
    // セッションを保持するかどうか、デフォルトはfalse
    "CHROME_PERSISTENT_SESSION": false,
    // モデルの提供者、anthropic、openaiなどをサポート
    "MCP_MODEL_PROVIDER": "anthropic",
    // その他のモデルパラメータ...
  }
}

セキュリティに関する注意事項

このサービスはブラウザの動作を制御するため、一定のセキュリティリスクがあります。以下のことをおすすめします。

1. 信頼できるネットワーク環境で使用する。
2. 本番環境でのデプロイを避ける。
3. APIキーとアクセス権限を厳格に管理する。
4. 定期的に依存ライブラリを更新し、脆弱性を防ぐ。

開発ガイド

環境のセットアップ

# リポジトリのクローン
git clone https://github.com/JovaniPink/mcp-browser-use.git
cd mcp-browser-use

# 仮想環境の作成と依存関係のインストール
python -m venv env
source env/bin/activate  # Windowsの場合はenv\Scripts\activateを使用
pip install -r requirements.txt

サービスの実行

uvx run mcp-server-browser-use

デバッグモード

uvx logs --follow mcp-server-browser-use

ブラウザ操作の例

MCPプロトコルを使用すると、以下のブラウザ機能を実現できます。

1. 指定されたURLにナビゲートする。
2. ユーザーのクリックと入力をシミュレートする。
3. フォームデータを送信する。
4. ページのスナップショットを撮る。
5. マルチタブ管理を行う。
6. 視覚要素を認識する。

注意事項

• サービスとMCPプロトコルの互換性を維持する。
• 定期的に依存ライブラリを更新し、セキュリティ脆弱性を防ぐ。
• 本番環境にデプロイする前に十分なテストを行う。
• 関連する法律や規制、ユーザープライバシーポリシーを遵守する。

詳細な情報は、MCPプロトコルドキュメントとClaude CLIドキュメントを参照してください。