Unagi-cq/cdp-bridge-mcp

解決する問題

CDP Bridge MCP は、大規模言語モデル（LLM）や AI エージェントがユーザーの実際のアクティブなブラウザセッションと対話できるようにします。従来のヘッドレスブラウザ自動化（Playwright など）とは異なり、別のブラウザインスタンスを管理したり、Cookie やログイン状態を手動で転送したりする必要がなく、ユーザーがすでに開いて認証済みのページに直接接続します。

仕組み

システムは 3 つの部分で構成されています：MCP サーバー（Python で記述）、Chromium ブラウザ拡張機能、MCP 互換クライアント（Claude Desktop など）。

1. 接続：MCP クライアントは stdio または streamable-http を介してサーバーに接続します。同時に、ブラウザ拡張機能は WebSocket を介してサーバーに接続します。
2. ルーティング：サーバーはトークンを使用して特定の MCP クライアントを特定のブラウザプロファイル/セッションにマッピングし、同じマシン上でのマルチユーザーまたはマルチアカウントの分離を可能にします。
3. 実行：LLM がツールを呼び出すと、サーバーはコマンドを拡張機能に送信し、拡張機能は chrome.scripting または Chrome DevTools プロトコル（CDP）を使用してブラウザページで JavaScript を実行し、結果を返します。

対象者

• AI エージェント開発者：ユーザーのブラウザ内でユーザーに代わってアクションを実行する必要がある製品を構築している方。
• パワーユーザー：ログイン済みのウェブサイトで LLM に分析、スクレイピング、またはタスクの自動化をさせたい個人。
• 運用/サポートチーム：データ収集やカスタマーサービスのために複数のブラウザアカウントやリモートブラウザセッションを調整する必要があるチーム。

ハイライト

• セッション再利用：既存のブラウザログイン状態、Cookie、ページ状態を活用します。
• より軽量なトークン使用：HTML を簡素化してトークンの無駄を減らしつつ構造情報を保持する browser_scan ツールが含まれています。
• マルチテナントサポート：トークンベースの分離により、異なるコンピュータ上の複数のブラウザプロファイルと複数のユーザーをサポートします。
• 柔軟なデプロイ：stdio を介してローカルで実行するか、streamable-http を使用してリモートサービスとしてデプロイできます。
• 包括的なツールセット：タブ管理、ページ観察、要素操作（クリック/入力）、JavaScript 実行、スクリーンショット、ナビゲーションのための 12 のツールを提供します。