Browser Operator

🚀 MCP ブラウザオペレーター

MCP ブラウザオペレーターは、ブラウザ自動化、LLM によるブラウザ制御、ウェブページとのインタラクション、およびコンテンツ分析を行うサーバーです。JSON - RPC インターフェースを通じて標準化されています。

🚀 クイックスタート

MCP ブラウザオペレーターを使うことで、ブラウザの自動化やウェブページとの高度なインタラクションが可能になります。以下に基本的な使い方を説明します。

✨ 主な機能

核心機能

1. ブラウザ管理：ブラウザインスタンスの作成、ナビゲート、および閉じる操作を行います。
2. タスク追跡：ウェブページのインタラクションや自動化操作などの複雑なタスクを非同期で実行します。
3. ウェブページインタラクション：LLM を使用してブラウザを制御し、高度な操作を行います。
4. ツールアクセス：デバッグツール（コンソールログ、ネットワークログなど）と監査ツール（アクセシビリティ監査、パフォーマンス監査など）を提供します。

その他の機能

• 永続的な状態管理：プロジェクト名を通じて独立したブラウザセッションを維持し、複数のプロジェクトをサポートします。
• セキュリティ：ドメインブロック、URL 検証、およびセッション分離を含みます。

📦 インストール

インストール要件

• Python: 3.11 以上
• Playwright: ブラウザ自動化ツール
• OpenAI API キー: LLM 制御に必要

インストール手順

# MCP オペレーターをインストール
pip install mcp-browser-operator

# Playwright をインストール
playwright install chromium firefox

💻 使用例

基本的な使用法

サーバーの起動

# 開発モードで起動
python -m src/mcp_operator.server dev --port 3000

# 本番モードで起動
python -m src/mcp_operator.server production --port 3000

実行可能なスクリプト

• run - server: MCP サーバーを起動します。
• run - tests: 単体テストと統合テストを実行します。
• run - test - harness: MCP チェッカーを使用してデバッグします。

📚 詳細ドキュメント

核心 API メソッド

ブラウザ操作

• ブラウザインスタンスの作成：mcp__browser - operator__createBrowser
• URL へのナビゲート：mcp__browser - operator__navigate
• ブラウザの閉じる：mcp__browser - operator__closeBrowser

非同期タスク管理

1. タスクの開始：ブラウザメソッドを呼び出して job_id を取得します。
2. 進捗の確認：タスクが完了するまで get - job - status を使用します。
3. 結果の処理：タスクステータスから結果を抽出します。

ユーザーノート

• ノートの追加：mcp__browser - operator__addNote

デバッグツール

• コンソールログの取得：mcp__browser - tools__getConsoleLogs
• スクリーンショットの撮影：mcp__browser - tools__takeScreenshot

監査ツール

• アクセシビリティ監査：mcp__browser - tools__runAccessibilityAudit
• パフォーマンス監査：mcp__browser - tools__runPerformanceAudit

プロジェクト構造

src/mcp_operator/
├── __init__.py
├── __main__.py
├── server.py
├── browser.py
└── cua/
    ├── agent.py
    ├── computer.py
    └── utils.py

開発ガイド

MCP チェッカーの使用

# テストハーネスを実行して起動
./run - test - harness

# または直接チェッカーを使用
npx @modelcontextprotocol/inspector ./run - server

セキュリティ対策

• ドメインブロック：悪意のあるウェブサイトへのアクセスを防止します。
• URL 検証：ナビゲートする前に URL の安全性を検証します。
• セッション分離：異なるブラウザインスタンス間を完全に分離します。