jumodada/Drissionpage-MCP-Server

解決的問題

DrissionPage MCP 伺服器允許 AI 模型（如 Claude 或 Codex）以高精度控制網頁瀏覽器。它彌合了模型推理與實際瀏覽器執行之間的差距，使 AI 能夠導航網站、提取資料、填寫表單，並與傳統爬蟲或簡單自動化工具難以處理的複雜視覺元素進行互動。

工作原理

它作為一個本地 Model Context Protocol (MCP) 伺服器運作，基於 DrissionPage 庫公開 69 個類型化工具。這些工具讓模型能夠：

• 透過 DOM 或座標進行互動：對結構化資料使用標準 CSS/XPath 選擇器，對純視覺介面（如畫布或地圖）使用精確的 X/Y 座標。
• 自然運動：使用決定性的 24 步緩動三次曲線路徑模擬人類般的指標移動，避免機器人式的瞬時跳躍。
• 狀態管理：處理多個標籤頁，管理 Cookie/儲存空間，並觀察網路流量。
• 驗證：在繼續下一步前，透過截圖和可存取性快照驗證操作結果。

適用對象

• AI Agent 開發者：需要執行真實世界網頁任務的代理開發者。
• QA 工程師：用於建立由 AI 驅動的自動化瀏覽器測試工作流程。
• 研究人員：從事網頁自動化和可存取性相關技術研究的人員。
• 進階使用者：使用 MCP 相容客戶端（如 Claude Desktop 或 Codex）並希望 AI 擁有完整功能瀏覽器的使用者。

核心亮點

• 69 個原子級工具：全面涵蓋導航、標籤頁管理、元素互動和網路觀察。
• 決定性的自然運動：可重現的人類般滑鼠移動，實現更自然的互動體驗。
• 視覺就緒：專為可從截圖中識別座標的多模態模型設計，支援視覺理解。
• 深度瀏覽器存取：支援 Shadow DOM、iframe 以及直接 Chromium/CDP 控制。
• 類型安全：使用 Pydantic 驗證確保 AI 發送格式正確的命令。