ctoldigital/axuse
Accessibility-first browser & computer use for AI agents — one MCP server for every harness (Codex, Claude Code, OpenCode, Antigravity). Instruments the DOM/accessibility tree via CDP instead of screenshot loops: diffed snapshots, stable element refs, trusted input, typed errors. Zero dependencies
它解决的问题
AI 代理经常需要与网页交互，但传统方式——截图并猜测像素坐标——缓慢、脆弱且容易出错。axuse 通过使用浏览器的无障碍树和 DOM 而非图像，为代理提供结构化的、基于文本的页面视图来解决这个问题。这使得自动化更快、更可靠，并且在 token 消耗上更便宜。
工作原理
axuse 作为 MCP（模型上下文协议）服务器运行，可插入 Codex、Claude Code、OpenCode 或任何支持 MCP 的主机等代理框架。当代理请求打开页面时，axuse 返回一个紧凑的无障碍快照，其中包含每个交互元素的稳定引用。点击、输入或滚动等操作直接针对这些引用。仅页面状态的变化会被发送回来，而不是完整快照。它使用 Chrome DevTools 协议（CDP）发送可信输入事件，避免被检测。它还具有用于无头 Linux 机器的服务器模式、用于控制您自己已登录浏览器的扩展桥接，以及 Windows、macOS 和 Linux 上的桌面控制。
适用人群
构建需要浏览器或桌面自动化的 AI 代理的开发人员，尤其是使用 Codex、Claude Code、OpenCode 或 Antigravity 等代理框架的开发人员。它也面向非开发人员打包：可下载的文件可以在 Claude Desktop 中双击，安装提示可以粘贴到其他代理中自动设置。
亮点
- 零 npm 依赖（仅需 Node.js 22+）
- 28/28 服务器评分任务通过，中位时间 17 秒，而 Codex+扩展为 26 秒，browser-use 为 56 秒；使用 4.7M token，而分别为 9.8M 和 8.8M
- 基于差异的观察：仅返回更改的行，节省 token 和延迟
- 类型化错误如 REF_NOT_FOUND 和 STALE_STATE，带有重试提示，而不是静默误点击
- 扩展桥接，驱动您日常使用的 Chrome/Edge 及已登录会话
- 服务器模式在虚拟显示器上运行有头 Chrome，以避免反机器人检测（已通过 Turnstile 验证）
- 可选的 CAPTCHA 求解器插件（商业），提供免费参考实现
- 桌面控制：Windows（已验证）、macOS（选择加入）和 Linux（X11/XWayland）
相关
- 项目
- 项目
- 项目
- 项目