SuperAPI AI 工具集
合作ENAI 行业资讯收藏
全部工具AI智能体auto-browser

auto-browser

Auto Browser 是一个 MCP 原生的开源浏览器智能体控制平面，为 MCP 客户端、LLM 智能体和操作员提供共享的 Playwright 浏览器，支持人工接管、可复用的认证配置、操作审批、审计追踪和本地优先部署。它面向已授权的工作流，通过 Docker Compose 在本机运行完整技术栈，也可使用 Codespaces 快速体验。

访问官网

工具介绍

Auto Browser 是一个开源、MCP 原生的浏览器智能体控制平面，为已授权的工作流而设计。它让 MCP 客户端、LLM 智能体和操作员共享同一个 Playwright 浏览器，并提供人工接管、可复用认证配置、审批、审计追踪和本地优先部署能力。

【主要能力】

  • MCP 原生：浏览器操作面从一开始就打包为 MCP 服务器，而非事后附加。
  • 人工接管：当网页流程出现问题时，noVNC 可让操作员介入同一个实时会话。
  • 登录一次、后续复用：可保存具名认证配置（auth profile），之后打开的新会话即可直接处于已登录状态。
  • 本地优先：默认可用 Docker Compose 在自己的机器上运行完整技术栈，也可使用 Codespaces 获得快速托管演示。
  • 安全护栏：内置审批、操作员身份、PII 脱敏、Witness 收据（Ed25519 签名）以及策略预设。
  • 可移交的证据：Witness 收据链为 Ed25519 签名，导出的证据包可用 scripts/verify_witness_bundle.py 验证，该脚本不导入本项目任何内容，因此接收方无需运行或信任此控制器即可校验。
  • 公开自我审计：docs/audits/2026-08-execution-audit.md 记录了针对本仓库的对抗性审计，包含发现的安全控制“报告成功但实际未生效”的问题、复现步骤、修复方案和防止同类问题再次出现的门禁。
  • 受治理的技能归纳：经校验的浏览器轨迹可成为带来源信息的分阶段技能候选；在配置网格身份时来源会被签名，并在读取时校验（不只是生成时），还提供验证器适配器和仅限评审的晋级流程。

【使用方式】 Auto Browser 暴露以下接口：HTTP MCP 端点 http://127.0.0.1:8000/mcp；便捷端点 http://127.0.0.1:8000/mcp/tools 与 http://127.0.0.1:8000/mcp/tools/call；stdio 桥接可用 PyPI 的 uvx auto-browser-mcp，或在仓库检出中使用 scripts/mcp_stdio_bridge.py。

支持通过 HTTP 或 stdio 通信的任意 MCP 客户端，也支持直接使用 curl 的 REST 调用方。已提及可直接通过 HTTP 连接的客户端包括 Claude Code、Codex（CLI、IDE 扩展和应用）、Google Antigravity、Cursor 和 VS Code；Claude Desktop 通过内置 stdio 桥接。Google Antigravity 可使用原始 MCP 配置（MCP Servers → Manage MCP Servers → View raw config）或 ~/.gemini/config/mcp_config.json，且读取的是 serverUrl 而非 url。Cursor、VS Code、bearer token 以及与网页搜索 MCP 服务器配对的说明见 docs/mcp-clients.md。

默认 MCP 工具集为精选模式：浏览智能体所需的 20 个工具（会话、观察与截图、execute_action、页面与下载读取、标签页、认证配置、人工接管）。诊断、审计、harness 和管理工具位于完整配置中，需设置 MCP_TOOL_PROFILE=full 才暴露。

服务地址：API 文档 http://127.0.0.1:8000/docs；操作员仪表盘 http://127.0.0.1:8000/dashboard（包含等待审批的操作队列）；可视化接管 http://127.0.0.1:6080/vnc.html?autoconnect=true&resize=scale。所有发布端口默认绑定到 127.0.0.1。

预构建镜像发布在 GHCR，可跳过构建：AUTO_BROWSER_IMAGE_TAG 可指定版本（latest 默认、如 1.9.1 的发行版，或 edge 表示当前 main）。镜像为 linux/amd64，附带 SBOM 和构建来源证明。控制器镜像不含 agent CLI；如需 *_AUTH_MODE=cli，请使用 INSTALL_AGENT_CLIS=true 从源码构建。

【适用场景】 内部仪表盘和管理工具、操作员辅助的 QA 与浏览器调试、登录一次后复用的账户工作流、易出问题需要人工恢复流程的网站，以及需要真实浏览器（而非仅 HTML 抓取）的 MCP 智能体工作流。

【限制与合规】 明确不用于：CAPTCHA 破解、未授权的抓取或账户自动化、欺骗性身份塑造或绕过工具。

会话隔离：默认所有会话共享一个 Chromium 进程和一个 noVNC 桌面（SESSION_ISOLATION_MODE=shared_browser_node）。Cookie 与存储按会话隔离，但人工接管一个会话时可看到其他会话窗口。当会话属于不同人员、账户或信任域时，使用 make up-isolation 为每个会话提供独立浏览器容器与接管界面（docker_ephemeral），详见 docs/session-isolation-audit.md。

生产部署：APP_ENV=production 时若缺少必要设置控制器将拒绝启动，并在启动日志中列出缺失项。COMPLIANCE_TEMPLATE 可在启动时应用预配置态势，两种预设均要求上传审批并启用 Witness 收据，启动时会将应用策略写入 /data/compliance-manifest.json。旧名称（HIPAA、SOC2、GDPR、PCI-DSS）仍可作为弃用别名使用，但启动时会发出警告。更多部署细节、托管 Witness 说明、CLI 认证模式和反向 SSH 指南见 docs/deployment.md 与 docs/production-hardening.md。

【架构概览】 核心组件：browser-node/ 运行 Chromium、Xvfb、x11vnc 和 noVNC；controller/ 暴露 FastAPI 控制器、MCP 传输、策略护栏和编排端点；data/ 保存运行时产物、认证状态、审批、审计日志和可选 CLI 缓存；scripts/ 包含 doctor、冒烟测试、桥接和发布检查的本地辅助脚本。模型提供方：对 OpenAI、Claude 和 Gemini（API 或 CLI）提供一等适配器；此外一个通用 OpenAI 兼容适配器可驱动任何通过 OpenAI /chat/completions 端点访问的模型。除纯文本模型外，所有提供方都使用视觉（截图）。设置项见 .env.example 中的 *_API_KEY / *_BASE_URL / *_MODEL。

同类工具

查看分类