mcp-browser-use

你是否曾幻想过，只需对AI说一句“帮我查一下这个网站的最新动态”，它就能自己打开浏览器、完成搜索并把结果交给你？这不再是科幻电影里的场景。今天要介绍的开源项目 mcp-browser-use，正是一个强大的桥梁，它通过模型上下文协议将 AI 助手与浏览器连接起来，让大语言模型能够像真人一样理解并操作网页。

项目基本信息

一、项目介绍

mcp-browser-use 是一个基于 FastAPI 的 MCP 服务器，它巧妙地将 browser-use 这个强大的浏览器自动化库封装成了标准的 MCP 工具 。其核心理念是让 AI 代理通过自然语言与网页浏览器进行交互，而不是依赖繁琐的代码脚本 。

与传统自动化工具不同，你无需编写复杂的选择器或调试等待逻辑。你只需像交代任务一样告诉 AI 你的意图，例如“登录我的社交媒体账号并下载昨天的评论”，mcp-browser-use 就会在后端驱动真实的 Chrome 浏览器，自动完成导航、点击、表单填写、内容提取等一系列操作。

该项目专为与 Claude Desktop、Cursor 等 MCP 客户端无缝集成而设计 。它还提供了一个显著优势：直接复用 MCP 客户端中已配置好的大语言模型，这意味着你无需为了使用浏览器自动化而额外支付另一套 LLM API 的费用 。

二、核心优势

开源免费

项目代码完全公开，基于 Python 构建，你可以自由地学习、修改和集成到自己的项目中。

自然语言驱动

这是该项目最大的亮点。它基于 browser-use 库，使得 AI 代理能够通过自然语言命令执行复杂的浏览器操作，如导航、表单填写、点击、滚动等 。

无缝 MCP 集成

作为标准的 MCP 服务器，它可以轻松集成到 Claude Desktop、Cursor、VS Code 等支持 MCP 协议的客户端中，扩展 AI 的能力边界 。

配置灵活

支持通过环境变量进行细致配置，包括 Chrome 调试端口、是否保持浏览器持久化会话，以及灵活选择 OpenAI、Anthropic、Google Gemini 等多种 LLM 提供商 。

功能全面

除了基础的点击输入，还支持标签页管理、截图、Cookie 管理以及基于视觉的元素检测，能够处理复杂的现代网页应用 。

三、适用场景

开发者学习和参考

如果你想学习如何将复杂的 Python 库封装成 MCP 服务器，或者研究 AI 代理与浏览器的交互机制，这是一个极佳的范例。

个人项目使用和集成

你可以利用它来构建各种自动化工具，例如：

• 一个能自动抓取竞品价格并进行比价的购物助手
• 一个能自动填写各类繁琐表单的效率工具
• 一个能定期检查网站更新并发送通知的监控脚本

企业级应用开发

在企业环境中，可以用它来构建 GUI 自动化测试框架、数据采集平台，或是对缺乏 API 接口的遗留系统进行自动化操作，从而节省大量人力成本。

日常工作和效率提升

与 Claude Desktop 等客户端结合后，你可以用自然语言指挥 AI 完成日常任务，如“帮我整理这篇在线文章到我的笔记里”或“订阅这个博客的最新更新”。

四、安装教程

系统要求

详细安装步骤

整个安装过程非常简单，最快只需几分钟即可让你的 AI 获得“上网”能力 。

第一步：安装 uv 并准备环境

uv 是一个快速的 Python 包安装工具，推荐使用它来管理项目。

# 安装 uv (如果尚未安装)
pip install uv

第二步：克隆项目并安装依赖

# 克隆项目到本地
git clone https://github.com/JovaniPink/mcp-browser-use.git
cd mcp-browser-use

# 同步并安装项目依赖，uv 会自动创建虚拟环境
uv sync

第三步：配置环境变量

复制示例文件并填入你的 API 密钥等信息。

cp sample.env .env

编辑 .env 文件，至少需要配置：

• MCP_MODEL_PROVIDER: 你使用的模型提供商，如 openai 或 anthropic
• MCP_MODEL_NAME: 具体的模型名称，如 gpt-4o
• 对应提供商的 API 密钥，如 OPENAI_API_KEY

第四步：启动服务器

# 启动 MCP 服务器
uv run mcp-browser-use

第五步：配置 MCP 客户端（以 Claude Desktop 为例）

找到 Claude Desktop 的配置文件：

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

添加以下配置 ：

{
  "mcpServers": {
    "mcp-browser-use": {
      "command": "uvx",
      "args": ["mcp-server-browser-use"],
      "env": {
        "OPENAI_API_KEY": "你的API密钥",
        "MCP_MODEL_PROVIDER": "openai",
        "MCP_MODEL_NAME": "gpt-4o"
      }
    }
  }
}

保存文件后，重启 Claude Desktop，即可在工具列表中看到 mcp-browser-use。

五、使用示例

配置完成后，你就可以在 MCP 客户端中使用自然语言来指挥浏览器了。以下是一些典型的交互示例。

示例1：基础网页导航与信息提取

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第一个段落的摘要。

AI 会执行的操作：服务器会启动浏览器，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，最后将摘要返回给你。

示例2：数据采集

用户指令：请访问 Hacker News 首页，找出当前排名前 3 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）：

{
  "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：表单填写与自动化操作

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，可以使用 browser-use 库的原生 MCP 集成。这是一个更底层的调用方式 ：

import asyncio
from browser_use import Agent, ChatOpenAI

async def main():
    agent = Agent(
        task="Find the number of stars of the browser-use repo on GitHub",
        llm=ChatOpenAI(model="gpt-4.1-mini"),
    )
    await agent.run()

asyncio.run(main())

注意：请确保已安装 browser-use 库 (pip install browser-use) 并配置好 API 密钥。

六、常见问题

问题1：服务器启动失败，提示“ModuleNotFoundError”

解决方案：请确保你已经在项目根目录下运行了 uv sync 命令，并且激活了虚拟环境。如果使用 pip，请尝试 pip install -e . 进行安装。

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。你可以通过环境变量 CHROME_PATH 指定 Chrome 可执行文件的具体路径。

问题3：任务执行缓慢或卡住

解决方案：这可能是网络问题或目标网站加载缓慢。可以尝试调整 .env 文件中的 MCP_MAX_STEPS 参数，增加最大执行步骤数。同时，检查网络连接是否稳定。

问题4：Claude Desktop 无法连接到服务器

解决方案：请仔细检查 claude_desktop_config.json 中的配置，确保 JSON 格式正确（无多余逗号），并且 command 和 args 路径无误。修改配置后，务必完全退出并重启 Claude Desktop 。

问题5：运行报错与 Playwright 相关

解决方案：browser-use 依赖 Playwright。请在终端中运行以下命令来安装所需的浏览器 ：

uvx playwright install --with-deps chromium

七、总结

mcp-browser-use 是一个非常巧妙的项目，它精准地抓住了 AI 应用开发中的一个关键痛点：如何让 AI 安全、高效地与现实世界的网页进行交互。通过将成熟的 browser-use 库与新兴的 MCP 协议相结合，它为开发者提供了一个开箱即用的解决方案。

这个项目最吸引人的地方在于，它极大地降低了 AI 自动化网页操作的门槛。你不再需要编写脆弱的 XPath 或 CSS 选择器，只需用自然语言描述你的需求，AI 便能理解并执行。无论是抓取数据、自动化测试还是构建个人效率工具，mcp-browser-use 都是一个值得信赖的坚实基座。

如果你希望你的 AI 助手能突破文本交互的限制，真正开始为你“动手”上网办事，那么 mcp-browser-use 绝对是一个不容错过的利器。不妨花上半小时，跟随本教程配置一下，亲身体验用自然语言驱动浏览器的未来感。