[开源]火山视窗写MCP服务端,334工具,AI浏览器自动化

小小屋 · 发表于 11 小时前

用火山视窗写了一个 MCP 服务端，让 Cursor / Claude 真正长出"浏览器的手脚"

开源地址：https://github.com/AI-XiaoDao/ai-browser-mcp ｜ MIT 协议｜ v3.2.0

实际界面（欢迎页控制台 / 真实 CEF 浏览器窗口 / 启动控制台日志）：

01-欢迎页控制台.png (281.56 KB, 下载次数: 0, 售价: 1 金钱)

02-浏览器窗口.png (266.98 KB, 下载次数: 0, 售价: 1 金钱)

03-控制台窗口.png (29.29 KB, 下载次数: 0, 售价: 1 金钱)

一、为什么折腾这个

现在 Cursor、Claude Desktop、Cline、Trae 这些 AI 编程助手都支持 MCP（Model Context Protocol），理论上可以调用外部工具了。但真用起来会发现一个断层：

让 AI 帮我抓个页面数据 —— 它只能给我一段代码，让我自己跑；
让 AI 帮我分析某个网站的 JS 加密 —— 它看不到真实运行环境，只能猜；
让 AI 帮我填个表单、点个按钮 —— 它没有手。

现有的浏览器自动化 MCP 方案（Playwright / Puppeteer 那一套）大多是 Node 驱动，要装环境、装依赖，而且能力基本停在"导航 + 点击 + 取值"，网络层、内核层、逆向层都够不着。

所以就用火山视窗 + FBrowser CEF 内核自己写了一个：把一整个真实浏览器内核包成一个本地 MCP 服务端，AI 助手连上来就能直接开浏览器、跑 JS、下断点、抓包、改请求。

二、它能干什么（334 个工具）

类别	数量	代表工具
系统/元工具	9	ping、mcp_status、mcp_result、batch（≤200 条批量）
导航 / 页面	10	navigate、get_url、get_title、reload
JS 执行	4	evaluate、execute_js、console_eval、inject（持久 V8）
DOM 操作	14	dom_query、dom_click、snapshot、element_action
填表 RPA	10	fill_set_value、fill_click、fill_form（批量填表）
网络抓包	5	network、network_body、collect、network_export（HAR）
资源拦截	1	intercept（modify / block / redirect / replace_file）
Cookie / 代理	8	get_cookies、set_cookie、set_proxy、set_s5_proxy
断点调试	15	debugger_flow、debugger_auto、set_breakpoint、inspect
JS 逆向	34	reverse_hook、reverse_scan_crypto、reverse_call_fn
指纹伪装	45+	fingerprint、antidetect_presets、vip_fingerprint_*
内核层	15	kernel_scheme、kernel_cert、kernel_auth、kernel_reactor
输入交互	14	mouse_、key_event、touch_
窗口 / 系统	15	window_info、file_dialog、ipc_*
工作流	4	workflow_list、workflow_run、workflow_stop

v3.2.0 做过一轮全量真机核验：311 个通过 / 23 个受控跳过 / 0 失败，35 秒跑完一轮，全程零冷重启。

三、跑起来只要三步

1. 下载解压（Windows x64 约 160MB，win32 约 140MB）
Releases 页面：https://github.com/AI-XiaoDao/ai-browser-mcp/releases

2. 启动
双击 AI-Fbowser-Mcp.exe，浏览器访问 http://127.0.0.1:9222/health 看到 {"status":"ok"} 就是好了。不用装 Node 环境、不用配依赖。

3. 接到 AI 助手上（以 Cursor 为例）

{
"mcpServers": {
"ai-browser": {
"command": "node",
"args": ["D:/你的路径/mcp_bridge.js"]
}
}
}

复制代码

懒得手写的话，直接开 http://127.0.0.1:9222/ 欢迎页，上面有一键复制配置；也支持 auto_install_agents 自动写入 Cursor / Claude / Codex / Cline / Windsurf。

四、几个实际用起来的样子

▸ 一步爬虫
不用先导航再等待再取值，一个工具全干完：

browser_scrape {
url: "https://example.com/list",
extract_selector: ".item .title",
wait_selector: ".item"
}

复制代码

▸ 抓接口而不是扒 HTML
很多时候数据在 XHR 里，扒 DOM 是走弯路：

browser_network { detail_enable: true } // 开始记录
// ……手动或自动操作页面……
browser_network { list: true } // 直接拿到请求列表和响应体

复制代码

▸ 批量操作
200 条指令打包一次发，减少来回：

batch {
commands: [
{ name: "browser_navigate", arguments: { url: "..." } },
{ name: "browser_wait", arguments: { selector: "#app" } },
{ name: "browser_get_text", arguments: { selector: "h1" } }
]
}

复制代码

▸ JS 逆向 / 断点调试
这块是纯 JS 注入方案做不了的：断点 → 看调用栈 → 求值 → 导出加密函数，`debugger_flow` 把这些串成一条命令；`reverse_scan_crypto` 能扫常见加密算法特征，`reverse_hook` 可以挂指定函数看参数进出。混淆代码也能先过一遍 `reverse_detect_obfuscator`。

▸ 同步 / 异步
轻量读操作默认同步返回；重操作返回 task_id，用 mcp_result 轮询。嫌麻烦就加 max_ms 让服务端阻塞等你，或 async_only:true 强制异步。

五、技术架构

Cursor / Claude Desktop ←→ mcp_bridge.js (stdio 桥接)
│
▼
127.0.0.1:9222 (HTTP/WS JSON-RPC)
│
MCP_Server.wsv (MCP 引擎 / 工具注册 / 路由)
├── Core — 导航 / JS / DOM / CDP / 截图 / 拦截
├── Form — FBrowser 填表框架
├── VIP — 指纹 / 代理 / 高级键鼠 / CDP
├── Kernel — 内核层：自定义协议 / 证书 / 认证 / 下载 / IPC
├── Reverse — JS 逆向：Hook / 断点 / 堆 / 混淆检测
├── System — 系统 / 进程 / 窗口
├── Workflow — JSON 工作流引擎
├── HTTP — HTTP / WebSocket 路由
└── Events — 浏览器事件 Hook 系统
│
FBrowser CEF (libcef.dll)

复制代码

六、给同样用中文编程的朋友

这项目的意义不只是"又一个 MCP 服务端"，而是：它整个是用火山视窗写的。

`src/` 下 16 个 `.wsv` 全部开源——MCP 协议解析、JSON-RPC 路由、CEF 内核调用、CDP 协议对接、事件 Hook 系统，都是中文编程写出来的，编译出来运行时零依赖。想学 CEF 开发、想学怎么把 CEF 包成服务端、想看 MCP 协议在中文编程里怎么落地，直接扒源码比看英文文档快得多。

至少我自己翻遍了能找到的资料，火山 + CEF + MCP 这条路上没什么现成范例，所以索性把踩过的坑都留在代码里了。

七、几个说明

隐私：纯本地服务，监听 127.0.0.1:9222，数据不出本机；
协议：MIT，源码和文档全开放，可商用、可二次开发；
平台：目前只有 Windows（x64 / win32）；
反馈：有问题直接回帖或者提 Issue，我基本都在。

关于作者
这个项目是我自己写的，发在这儿是因为社区里用中文编程 + CEF 的人不少，应该用得上，也算交个朋友。用得上的话给个 Star 就是最大的支持；用不上或者觉得哪里做得不对，欢迎直接拍砖。

GitHub：https://github.com/AI-XiaoDao/ai-browser-mcp

		自动登录	找回密码
密码			立即注册

[AI开发] [开源]火山视窗写MCP服务端,334工具,AI浏览器自动化