mcp-browser-use

想象一下，你只需要用自然语言告诉AI“帮我登录我的社交媒体账号，并下载昨天互动过的所有评论”，AI就能自动打开浏览器、输入账号密码、点击链接、滚动页面，最后把数据整理好交给你。这不再是科幻场景，因为有了mcp-browser-use这个开源项目，它就能让大型语言模型（LLM）像人类一样操作浏览器，完成复杂的网页任务。

项目基本信息

一、项目介绍

mcp-browser-use是一个基于Python的MCP（模型上下文协议）服务器。它的核心功能是封装了强大的browser-use库，并通过FastAPI和FastMCP框架，将这个浏览器自动化能力以标准MCP工具的形式暴露出来。简单来说，任何支持MCP协议的客户端（比如Claude Desktop）都可以调用这个服务器，让AI助手执行浏览器自动化任务。

这个项目最吸引人的地方在于，你不需要编写复杂的Puppeteer或Playwright脚本。你只需要给AI一个清晰的任务描述，比如“在谷歌搜索‘MCP协议’，然后点击第一个结果链接”，mcp-browser-use就会在后台驱动真实的Chrome浏览器去完成这些操作，并把最终结果（比如页面标题或截图）返回给AI。

二、核心优势

开源免费

项目代码完全公开，基于Python编写，你可以自由地学习、修改和集成到自己的项目中。没有任何隐藏的费用或闭源组件。

社区支持

项目在GitHub上已经获得了58颗星和13次复刻，有6位贡献者参与。从提交记录看，作者JovaniPink在持续更新，最近一次提交就在2025年9月，社区活跃度良好。

持续更新

项目有113次提交记录，并且通过Renovate自动管理依赖更新，确保使用的browser-use库和MCP SDK都是较新版本。这意味着你会获得持续的改进和安全修复。

功能丰富且集中化配置

与其他浏览器自动化工具不同，mcp-browser-use非常注重配置与逻辑的分离。你可以在一个地方（环境变量或.env文件）配置LLM模型、浏览器参数（无头模式、代理、持久化用户数据目录），而不需要修改核心代码。它支持多种主流LLM提供商，包括Anthropic、OpenAI、DeepSeek、Google Gemini和Azure OpenAI。

三、适用场景

开发者学习和参考

对于想学习如何将复杂的Python库（如browser-use）封装成标准MCP服务器的开发者来说，这是一个完美的范例项目。它的代码结构清晰，分为agent、browser、controller等模块，非常易于阅读。

个人项目使用和集成

如果你正在开发一个需要网页自动化的AI应用，例如：

• 一个能自动从多个网站抓取价格信息的比价机器人
• 一个能帮你自动填写各类表单的助手
• 一个能执行定期网站健康检查的监控工具

那么mcp-browser-use可以作为理想的后端引擎。你只需要在AI提示词中描述任务，它就能完成具体操作。

企业级应用开发

在企业环境中，自动化工作流可以节省大量人力成本。例如，可以构建一个系统，让AI每天定时登录内部管理后台，导出前一天的数据报表，并通过邮件发送给相关人员。整个过程无需人工干预。

日常工作和效率提升

对于普通用户，通过与Claude Desktop等客户端集成，你可以用自然语言完成许多重复性网页操作，例如：

• “帮我订阅这个博客的最新文章”
• “自动填写并提交这份在线申请表”
• “把我购物车里的所有商品信息提取到一个文本文件里”

四、安装教程

系统要求

详细安装步骤

第一步：克隆项目到本地

打开终端（Terminal），执行以下命令：

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

第二步：使用uv同步依赖

uv是一个快速的Python包和项目管理器。执行以下命令会自动创建虚拟环境并安装所有依赖：

uv sync

第三步：配置环境变量

复制示例环境变量文件，并根据你的需要进行编辑：

cp sample.env .env

打开.env文件，至少需要配置以下内容：

• 选择一个LLM提供商（如ANTHROPIC_API_KEY或OPENAI_API_KEY），并填入你的API密钥。

• 设置MCP_MODEL_PROVIDER和MCP_MODEL_NAME，例如：

  MCP_MODEL_PROVIDER=anthropic
  MCP_MODEL_NAME=claude-3-5-sonnet-20241022

• （可选）配置浏览器行为，如设置BROWSER_USE_HEADLESS=true以无头模式运行。

第四步：启动服务器

在项目根目录下，运行以下命令启动MCP服务器：

uv run mcp-browser-use

如果看到类似“Starting FastMCP server...”的日志，说明服务器已成功启动。

第五步：集成到Claude Desktop（可选）

如果你想在Claude Desktop中使用它，需要编辑Claude Desktop的配置文件（通常位于~/Library/Application Support/Claude/claude_desktop_config.json on macOS或%APPDATA%\Claude\claude_desktop_config.json on Windows），添加以下内容：

{
  "mcpServers": {
    "mcp-browser-use": {
      "command": "uvx",
      "args": ["mcp-browser-use"],
      "env": {
        "ANTHROPIC_API_KEY": "你的API密钥",
        "MCP_MODEL_PROVIDER": "anthropic",
        "MCP_MODEL_NAME": "claude-3-5-sonnet-20241022"
      }
    }
  }
}

保存文件后，重启Claude Desktop即可。

五、使用示例

当你将mcp-browser-use服务器连接到MCP客户端（如Claude Desktop或自定义的Python脚本）后，你会获得一个名为run_browser_agent的工具。你可以向AI助手发送自然语言指令来使用它。

示例1：基本网页导航

用户指令：请帮我打开维基百科，搜索“人工智能”，然后返回搜索结果页面的标题列表。

AI会调用的后台操作：mcp-browser-use会启动浏览器，导航到wikipedia.org，在搜索框输入“人工智能”，提交搜索，然后提取页面内容，最后返回结果。

示例2：数据提取

用户指令：请访问Hacker News首页，找出当前排名前三的新闻标题和链接，并以列表形式返回。

AI调用的工具参数（示意，实际由客户端生成）：

{
  "task": "Navigate to https://news.ycombinator.com, extract the titles and URLs of the top 3 posts, and return them as a list."
}

示例3：表单填写与交互

用户指令：帮我登录example.com，用户名是“testuser”，密码是“pass123”，然后截图保存登录后的首页。

AI会执行的操作：服务器会打开登录页面，填写用户名和密码字段，点击登录按钮，等待页面跳转，然后截取整个页面的截图，并将截图路径返回。

示例4：高级配置 - 使用自定义Python客户端

如果你想在自己的Python程序中直接调用这个MCP服务器（而不是通过Claude Desktop），项目提供了一个客户端辅助模块。以下是一个简单的异步调用示例：

import asyncio
from mcp_browser_use.client import run_task

async def main():
    # 直接通过任务描述运行浏览器代理
    result = await run_task(
        task_description="打开百度，搜索'MCP协议'，然后返回搜索结果页面的标题。"
    )
    print("任务结果:", result)

if __name__ == "__main__":
    asyncio.run(main())

注意：上述代码假设你已经在环境中配置好了必要的API密钥和模型参数。实际使用时，你需要参考项目源码中的client.py来实现具体的连接逻辑。

六、常见问题

问题1：启动服务器时提示“ModuleNotFoundError: No module named 'mcp_browser_use'”

解决方案：请确保你已经在项目根目录下运行了uv sync命令。如果没有使用uv，可以尝试传统的pip install -e .来以可编辑模式安装项目。另外，检查你的Python版本是否为3.11或更高。

问题2：浏览器无法启动，提示找不到Chrome

解决方案：请确保你的系统已经安装了Google Chrome或Chromium。mcp-browser-use默认会尝试找到系统安装的Chrome。如果需要指定路径，可以在.env文件中设置CHROME_PATH变量，指向Chrome的可执行文件。

问题3：运行任务时LLM API调用失败（如认证错误）

解决方案：请仔细检查你的API密钥是否正确，并且该密钥有权限访问你指定的模型。对于某些提供商（如Azure OpenAI），还需要配置额外的端点URL。查看项目中的documentation/CONFIGURATION.md文件，确认所有必需的环境变量都已设置。

问题4：任务执行很慢或超时

解决方案：可以尝试调整以下几个环境变量：

• MCP_MAX_STEPS：增加最大执行步骤数，让AI有更多操作空间。
• MCP_TEMPERATURE：适当调高温度（如0.5），让模型探索更多可能性。
• 同时，检查网络连接是否稳定。如果任务涉及大量页面加载，考虑启用BROWSER_USE_HEADLESS=false来观察浏览器实际操作过程，以便调试。

七、总结

mcp-browser-use是一个精巧而强大的项目，它巧妙地桥接了AI语言模型和真实世界的网页操作。通过标准化的MCP协议，它让任何兼容的AI客户端都能获得“动手能力”，真正实现了“说句话就能帮你上网办事”的愿景。

虽然这个项目目前还比较年轻，文档和测试覆盖可能不如大型商业产品完善，但它的设计思路非常清晰，配置灵活，而且基于活跃的browser-use库，潜力巨大。对于任何希望让AI助手突破文本限制，进入实际应用领域的开发者来说，mcp-browser-use绝对是一个值得尝试和研究的优秀工具。 不妨花上半小时，跟着本教程配置一下，体验用自然语言驱动浏览器的乐趣。