jumodada/Drissionpage-MCP-Server

解决的问题

DrissionPage MCP 服务器允许 AI 模型（如 Claude 或 Codex）以高精度控制网页浏览器。它弥合了模型推理与实际浏览器执行之间的差距，使 AI 能够导航网站、提取数据、填写表单，并与传统爬虫或简单自动化工具难以处理的复杂视觉元素进行交互。

工作原理

它作为一个本地 Model Context Protocol (MCP) 服务器运行，基于 DrissionPage 库暴露 69 个类型化工具。这些工具使模型能够：

• 通过 DOM 或坐标进行交互：对结构化数据使用标准 CSS/XPath 选择器，对纯视觉界面（如画布或地图）使用精确的 X/Y 坐标。
• 自然运动：使用确定性的 24 步缓动三次曲线路径模拟人类般的指针移动，避免机器人式的瞬时跳跃。
• 状态管理：处理多个标签页，管理 Cookie/存储，并观察网络流量。
• 验证：在继续下一步前，通过截图和可访问性快照验证操作结果。

适用人群

• AI Agent 开发者：需要执行真实世界网页任务的代理开发者。
• QA 工程师：用于创建由 AI 驱动的自动化浏览器测试工作流。
• 研究人员：从事网页自动化和可访问性相关技术研究的人员。
• 高级用户：使用 MCP 兼容客户端（如 Claude Desktop 或 Codex）并希望 AI 拥有完整功能浏览器的用户。

核心亮点

• 69 个原子级工具：全面覆盖导航、标签页管理、元素交互和网络观察。
• 确定性的自然运动：可复现的人类般鼠标移动，实现更自然的交互体验。
• 视觉就绪：专为可从截图中识别坐标的多模态模型设计，支持视觉理解。
• 深度浏览器访问：支持 Shadow DOM、iframe 以及直接 Chromium/CDP 控制。
• 类型安全：使用 Pydantic 验证确保 AI 发送格式正确的命令。