Pilot Browse MCP
让 AI Agent 通过 MCP 操控真实 Chrome,探索网站并沉淀可复用的操作手册与 API 能力。
- Star 数
- ★ 23
- 最近更新
- 3 个月前
- License
- MIT
- 主语言
- TypeScript
- FA 评分
- 37/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 需要让 Claude Code、Pi 或 Codex 等 MCP 客户端驱动的 Agent 在真实登录态浏览器中完成任务的开发者。
- 不适合
- 只想用云端浏览器、不想自建本地服务的用户
- 维护状态
- 近半年有提交最近提交 2026-08-01
这个 Agent 能做什么,适合哪些场景?
Pilot Browse MCP 由三部分组成:Node.js 编写的 MCP Server、Chrome 扩展,以及经由 WebSocket :9456 相连的真实浏览器。Agent 通过 MCP stdio(JSON-RPC)调用 62 个工具,完成标签页管理、内容抽取、DOM 操作、网络拦截、文件保存、工作流录制、脚本执行、SQL 注入检测与 JS 逆向等任务。它在与网站交互时自动发现 API,并把接口与浏览器操作绑定成可复用的能力,产出写入 website-manuals/ 目录,包含 pages、navigation、workflows(.pab 脚本)与 apis 端点索引。手册可被复用,也可通过 .pab 或 Python 脚本以无 LLM 方式完成自动化与数据采集。项目以 MIT 协议开源,需要本地自行运行服务端并加载扩展。
MCP Server 以 stdio 接收 JSON-RPC 请求,通过 WebSocket :9456 转发给 Chrome 扩展,再由扩展调用浏览器 API 执行操作。页面侧工具包括 browser_get_markdown(Readability + Turndown 转 Markdown)、browser_get_text、browser_get_html、browser_find、browser_query、browser_evaluate、browser_extract_article/table/links/images;动作类包括 browser_click、browser_type、browser_scroll、browser_wait、browser_wait_for_element;保存类 browser_save_content 与 browser_save_xpath 直接把内容落盘,绕过 LLM 以节省 token。网络工具可启动/停止监控、搜索与查看请求详情、等待匹配请求、带覆盖参数重放、导出为 curl/fetch/Python/HAR,并分析站点 API 结构。工作流工具把弹窗中的录制与元素标记整理进 website-manuals/,并可生成与执行脚本。
- 需要让 Claude Code、Pi 或 Codex 等 MCP 客户端驱动的 Agent 在真实登录态浏览器中完成任务的开发者。
- 要抓取结构化数据、又不想为每次页面读取消耗 LLM token 的数据采集者,可用 browser_save_content 直接落盘。
- 需要沉淀团队网站操作知识、让后续 Agent 快速理解站点并复用的团队。
- 做接口逆向与参数定位的工程师,可使用 js_analyze、js_find_function、js_trace_request 与网络重放工具。
- 需要在浏览器上下文中复现请求并检测 SQL 注入等安全问题的安全测试人员。
- 希望用 .pab 脚本或 Python 脚本做无 LLM 批量自动化的运营或运维人员。
如何安装或部署这个 Agent?
需要 Node.js、npm 与桌面版 Chrome。分别构建服务端与扩展,再将扩展加载进 Chrome:
# Build
cd server && npm install && npm run build
cd extension && npm install && npm run build
# Load extension
# chrome://extensions/ -> Developer mode -> Load unpacked -> extension/dist/
# Start server
cd server && node dist/index.js在 MCP 客户端中把 args 指向实际的 server/dist/index.js 路径:
{
"mcpServers": {
"browser-mcp": {
"command": "node",
"args": ["/path/to/server/dist/index.js"]
}
}
}运行过程中需要保持 MCP Server 启动、Chrome 扩展已加载,扩展与服务端通过 WebSocket :9456 通信。
如何使用这个 Agent?
先启动 MCP Server 并加载扩展,然后在支持 MCP stdio 的 Agent 中调用工具。可从 agent-examples/ 目录启动 Agent,自动加载 MCP 配置、skills 与项目提示词,但需把 MCP 路径改成自己的实际路径。典型流程:用 browser_start_network_monitor 开始监控,用 browser_navigate 类页面/标签页工具定位页面,用 browser_inspect_page 与 browser_evaluate 探索结构,用 workflow_generate 将探索结果写入 website-manuals/,之后用 workflow_execute_script 或直接运行 .pab 脚本复用。可用技能位于 scripts/Skill。
这个 Agent 有哪些优点和局限?
- 工具覆盖面广,README 列出 62 个 MCP 工具,涵盖页面、动作、网络、标签页、录制、数据、安全与 JS 逆向。
- browser_save_content 与 browser_save_xpath 可直接把页面内容写入磁盘,不经过 LLM,显著降低 token 消耗。
- website-manuals/ 以 pages、navigation、workflows、apis 分目录沉淀能力,支持后续 Agent 复用。
- PAB 脚本 DSL 支持 if/for/fn,可在弹窗中运行,无需 LLM 即可执行自动化任务。
- 网络工具箱支持监控、搜索、重放、覆盖响应与导出 curl/fetch/Python/HAR,便于接口分析与脚本生成。
- 部署链路较长:需分别安装服务端与扩展依赖、各自构建、手动在 chrome://extensions 加载 dist,再配置 MCP 客户端。
- 强依赖桌面版 Chrome 与扩展机制,README 未提及 Firefox、Safari 或无头浏览器支持。
- 扩展与服务端通过固定端口 WebSocket :9456 通信,端口与连接状态构成额外的运维面。
- 部分数据类工具(cookies、localStorage、截图)需要额外授权,README 未给出完整的权限模型说明。
- 仓库未提供包管理安装或一键脚本,升级时需要重新构建两端。
这个 Agent 与同类方案有什么区别?
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Pilot Browse MCP 当前 | 37 · 缺口较多 | MCP 服务器免费 + 模型费 | ★ 23 | 3 个月前 | TypeScript | — |
| OpenTabs | 48 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1k | 3 个月前 | TypeScript | Claude Code |
| Uni-CLI | 83 · 表现良好 | 命令行工具免费 | ★ 229 | 5 天前 | TypeScript | ChatGPT · Codex · Claude Code |
| Interceptor | 69 · 存在缺口 | 命令行工具免费 | ★ 638 | 1 天前 | TypeScript | Codex · Claude Code · Claude.ai |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
存在权限存储与 popup 权限开关(cookies/local_storage/screenshot/get_html/sql_injection),说明有最小权限意识,但 62 个工具默认注册、browser_evaluate 可执行任意 JS、js_hook_inject 注入 MAIN world 并 hook CryptoJS 输入输出,权限粒度粗,故 least_privilege 仅 1。用户确认仅在敏感数据工具标注“requires permission”,无逐操作确认流程,user_confirmation 1。数据流在 README 架构图有 MCP→WebSocket:9456→扩展→浏览器 的说明,但未说明数据去向/留存,data_flow_transparency 1。敏感数据(cookies、localStorage、截图、hook 捕获的加密输入输出)有权限门控但无脱敏/加密/留存策略,sensitive_data_handling 1。依赖安全无 lockfile 审计、无依赖清单证据,dependency_security 0。外部副作用(点击、输入、网络重放、SQL 注入主动扫描)无沙箱或影响范围说明,external_effects 1。无回滚/撤销机制(网络 override、脚本执行、文件写入均无恢复路径),rollback 0。MIT 许可证与版权声明存在,但作者身份未署名(Copyright (c) 2026 无名字),source_attribution 1。
SKILL.md 在 scripts/Skill 与 agent-examples 三处重复且内容一致,自洽性尚可,但 README 声称 62 个工具而 SKILL 引用 workflow_validate_manual 未在 README 工具表中出现,存在不一致,self_consistency 1。安装步骤给出 npm install/build 与 MCP 配置,依赖可用性可推断但无版本锁定证据,dependency_availability 1。代码中有错误捕获与 [FATAL] 输出、pab_run 返回错误码,但多处 catch 为空(如 SQLi 监听、js_collect fetch),失败信息不完整,failure_messages 1。
README 明确面向 Claude Code/Pi/Codex 等 Agent,提供 agent-examples 多工作区,audience_and_scenarios 2。能力边界有工具表与阶段划分,但未说明哪些站点/操作不支持、SQL 注入扫描的法律边界,capability_boundaries 1。触发精度依赖 SKILL description 与工具名,无明确触发条件或排除规则,trigger_precision 1。环境适配要求 Chrome 扩展 + Node 服务 + localhost:9456,未说明跨平台/版本要求,environment_fit 1。
README 有架构图、工具分类表、输出目录结构,信息架构清晰,information_architecture 2。安装步骤完整(构建、加载扩展、启动服务、MCP 配置),install_notes 2。命名在 SKILL 与 README 间基本一致但 workflow_validate_manual 等工具名未在工具表出现,naming_stability 1。有 demo GIF 与示例目录,但无 FAQ,examples_and_faq 1。无已知限制章节,known_limitations 0。MIT 许可证完整,license 2。package.json 版本 0.1.0 但无 CHANGELOG,versioning_changelog 0。无维护者/联系方式/issue 流程说明,maintenance_responsibility 1。
输出为结构化 website-manuals(pages/navigation/workflows/apis),并有 .pab 脚本与 Python 脚本生成,output_usability 2。手册复用与 token 节省是明确卖点,marginal_value 2。但成本收益缺乏量化证据(仅一段 NAS 爬 4000 本小说的轶事),且 62 工具与多阶段流程对简单任务可能过重,cost_benefit 1。
README 的 demo 与性能声明(4000 本小说/2 天)无日志或可复现步骤,claim_traceability 1。SKILL 与 README 对输出目录、阶段划分相互印证,但工具数量与工具名存在不一致,cross_source_corroboration 1。代码与文档大体区分了事实与推断,但 README 将“自动发现 API”等能力表述为既成事实而缺少证据,fact_inference_separation 1。
- 源码中未见:依赖安全审查安装前固定版本并做一次依赖扫描(如 npm audit、pip-audit);优先放在容器里运行。
- 源码中未见:回滚或恢复路径运行前先备份,或在 git 分支、快照上操作,确保改动可以撤销。
- browser_evaluate 可执行任意页面 JS,js_hook_inject 会 hook CryptoJS 并记录加密输入输出,可能捕获敏感凭据;仅在受信站点使用。
- SQL 注入主动扫描(sql_injection_scan/request)可能对第三方站点产生攻击性流量,需确认授权与法律合规。
- 网络重放与响应 override 无回滚机制,可能改变站点状态或数据。
- cookies/localStorage/截图权限为粗粒度开关,无逐操作确认与脱敏策略。
- README 声称 62 个工具但工具表与 SKILL 引用不完全一致,能力声明缺少可复现证据。
- 无 CHANGELOG、无已知限制章节、无维护者联系方式,长期维护与更新路径不明。
常见问题
使用它会额外产生模型费用吗?
必须使用 Chrome 吗?
它如何节省 token?
能接到哪些 MCP 客户端?
Pilot Browse MCP 开源吗?
Pilot Browse MCP 安全吗?
Pilot Browse MCP 还在维护吗?
Pilot Browse MCP 是谁开发的?
谢谢反馈,我们会据此改进页面。