Browser Use Server

🚀 浏览器使用服务器

这是一个用于网页浏览器自动化操作的MCP（Middleware Communication Protocol）服务器。它支持网页截图、HTML获取、JavaScript执行以及控制台日志获取等多种功能，还能通过命令进行多步骤操作，极大提升了网页自动化操作的效率和灵活性。

🚀 快速开始

本服务器可用于网页浏览器自动化操作，支持多种强大功能。你可以按照以下步骤进行安装和使用。

✨ 主要特性

1. 截图

• 参数：
  • url：必填项，目标网页的URL。
  • full：可选项，默认为false，若设置为true则捕获完整页面截图。
  • steps：可选项，以逗号分隔的操作步骤或指令。

2. 获取HTML

• 参数：
  • url：必填项，目标网页的URL。
  • steps：可选项，以逗号分隔的操作步骤或指令。

3. 执行JavaScript

• 参数：
  • url：必填项，目标网页的URL。
  • script：必填项，需要执行的JavaScript代码。
  • steps：可选项，以逗号分隔的操作步骤或指令。

4. 获取控制台日志

• 参数：
  • url：必填项，目标网页的URL。
  • steps：可选项，以逗号分隔的操作步骤或指令。

📦 安装指南

前置条件

1. 安装Xvfb（用于无头浏览器环境）：

   sudo apt-get install xvfb
   

2. 安装Miniconda 或 Anaconda，并创建Conda环境：

   conda create -n browser-use python=3.8
   conda activate browser-use
   

通过Smithy安装

1. 克隆仓库：

   git clone https://github.com/browser-use/server.git
   cd server
   

2. 安装依赖项并构建服务器：

   npm install
   npm run build
   

📚 详细文档

MCP配置

{
"browser-use": {
"llm-providers": [
"glhf", // 使用 deepseek-ai/DeepSeek-V3 模型
"ollama", // 使用 qwen2.5:32b-instruct-q4_K_M 模型，上下文长度为32k
"groq", // 使用 deepseek-r1-distill-llama-70b 模型
"openai", // 使用 gpt-4o-mini 模型
"openrouter", // 使用 deepseek/deepseek-chat 模型
"github", // 使用 gpt-4o-mini 模型
"deepseek", // 使用 deepseek-chat 模型
"gemini" // 使用 gemini-2.0-flash-exp 模型
],
"vision-support": false, // 默认禁用视觉功能，启用可提升性能；设置为 true 开启视觉支持
"use-xvfb": true // 自动检测并使用 Xvfb 运行环境变量 RUNNING_UNDER_XVFB
}
}

配置选项

• LLM 提供商：支持多种大型语言模型，具体包括：
  • glhf：使用 deepseek-ai/DeepSeek-V3 模型
  • ollama：使用 qwen2.5:32b-instruct-q4_K_M 模型，上下文长度为32k
  • groq：使用 deepseek-r1-distill-llama-70b 模型
  • openai：使用 gpt-4o-mini 模型
  • openrouter：使用 deepseek/deepseek-chat 模型
  • github：使用 gpt-4o-mini 模型
  • deepseek：使用 deepseek-chat 模型
  • gemini：使用 gemini-2.0-flash-exp 模型

💻 使用示例

服务器运行

npm start

示例用法

示例1：网页元素修改

将页面上的文字颜色改为红色：
browser.use.steps(
"打开浏览器",
"访问网址 http://example.com",
"找到所有段落元素并设置颜色为红色"
)

调试工具

npm run debug

🔧 技术细节

服务器会在控制台输出详细的错误信息，便于排查问题。

📄 许可证

MIT License

使用场景

• 网页自动化测试
• 数据抓取与分析
• 动态网页交互操作
• 多步骤任务执行