jumodada/Drissionpage-MCP-Server

解決する課題

DrissionPage MCP Server は、AIモデル（Claude や Codex など）がウェブブラウザを高精度で制御できるようにします。モデルの推論と実際のブラウザ実行のギャップを埋め、AIがウェブサイトをナビゲートし、データを抽出し、フォームを入力し、従来のスクレイパーまたは単純な自動化ツールが苦戦する複雑な視覚要素と対話できるようにします。

動作方法

ローカルの Model Context Protocol (MCP) サーバーとして動作し、DrissionPage ライブラリに基づく 69 の型付きツールを公開します。これらのツールにより、モデルは以下を実行できます：

• DOM または座標による操作：構造化データには標準の CSS/XPath セレクタを使用、視覚的な表面（キャンバスや地図など）には正確な X/Y 座標を使用。
• 自然な動き：決定論的な 24 ステップの緩やかな立方曲線パスを使用して、ロボット的で即時なジャンプを回避する人間のようなポインター移動をシミュレート。
• 状態管理：複数のタブを扱い、クッキー/ストレージを管理し、ネットワークトラフィックを観察。
• 検証機能：操作の結果を確認するためにスクリーンショットとアクセシビリティスナップショットを取得。

対象ユーザー

• AIエージェント開発者：現実世界のウェブタスクを実行する必要があるエージェントを開発している人。
• QAエンジニア：AI駆動のブラウザテストワークフローを構築する人。
• 研究者：ウェブ自動化とアクセシビリティに関する技術的調査を行う人。
• パワーユーザー：Claude Desktop や Codex などの MCP 対応クライアントを使用し、AIに完全に機能するブラウザを持たせたい人。

特徴

• 69 個の原子的ツール：ナビゲーション、タブ管理、要素操作、ネットワーク観察の包括的なカバレッジ。
• 決定論的な自然な動き：再現可能な人間のようなマウス移動で、より自然なインタラクションを実現。
• ビジョン対応：スクリーンショットから座標を識別できるマルチモーダルモデルと連携できるように設計。
• 深いブラウザアクセス：Shadow DOM、iframes、および直接 Chromium/CDP 制御をサポート。
• 型安全：Pydantic 検証により、AIが正しくフォーマットされたコマンドを送信することを保証。