browser-use MCP server & CLI 專案

mcp-browser-use 是一個極其強大且功能全面的模型內容協定 (Model Context Protocol, MCP) 伺服器。它的核心目標是賦予您的 AI 助理真正操作和控制一個完整網頁瀏覽器的能力，使其能夠像人類一樣進行互動式的網頁瀏覽、自動化操作和深度研究。

您可以將其視為為您的 AI 助理安裝了一個「遙控駕駛的智慧瀏覽器」。這遠遠超越了簡單的網頁內容抓取，而是讓 AI 擁有了一雙可以「點擊」、一雙可以「打字」的手，以及一個能夠理解網頁佈局的「大腦」。

核心價值：從「閱讀者」到「操作員」的蛻變

與 fetch-mcp 這類抓取網頁內容的工具不同，mcp-browser-use 的核心價值在於互動式自動化。它讓 AI 能夠：

執行具體任務: 登入網站、填寫表單、點擊按鈕、導航到不同頁面。
進行自主研究: 給定一個研究主題，AI 可以自主打開多個分頁，搜尋、閱讀、整合資訊，並最終生成一份研究報告。
利用現有環境: 最具突破性的一點是，它可以連接到您自己正在使用的 Chrome 瀏覽器，從而利用您已有的登入狀態 (Cookies)、瀏覽器擴充功能和個人化設定。

主要功能 (提供的工具)

此專案提供了兩個層次分明、功能強大的核心工具：

run_browser_agent (瀏覽器代理人):
- 功能: 執行一個具體的、基於自然語言指令的瀏覽器自動化任務。
- 用途: 適合下達明確的指令，例如「去 Twitter 登入我的帳號，然後發布一則內容為『Hello World』的推文」或「去 Hacker News 網站，幫我找到今天排名前三的文章標題」。
- 視覺能力: 如果搭配具有視覺能力的 AI 模型（Vision-capable LLMs），它還可以分析頁面截圖，實現更精準的元素定位與互動。
run_deep_research (深度研究員):
- 功能: 針對一個較為宏觀的研究主題，執行多步驟的、並行的深度網路研究，並生成一份 Markdown 格式的總結報告。
- 用途: 適合下達開放式的研究任務，例如「研究一下目前市面上主流的 AI 瀏覽器自動化工具有哪些，並比較它們的優缺點」或「幫我找出在業餘廚房日常使用且可用洗碗機清洗的平底鍋，最好的材質是什麼」。

靈活的瀏覽器控制模式

mcp-browser-use 提供了極高的靈活性，您可以選擇：

伺服器管理瀏覽器: 讓伺服器在背景啟動一個全新的、乾淨的瀏覽器實例來執行任務（可選擇是否顯示圖形介面）。
連接到您自己的瀏覽器: 透過 Chrome 開發者工具協定 (CDP)，將伺服器連接到您已經打開的 Chrome 瀏覽器。這意味著 AI 可以直接在您登入 Gmail、Notion 或任何其他網站的狀態下進行操作，極大地擴展了其應用範圍。

如何使用

安裝和設定主要透過 uv 和環境變數完成。使用者需要在其 AI 助理的 MCP 設定檔中：

將 mcp-server-browser-use 設定為 MCP 伺服器。
在 env 區塊中，設定必要的環境變數，其中最關鍵的是：
- LLM 供應商與金鑰: 您想使用的 AI 模型供應商（如 google, openai, anthropic 等）及其對應的 API 金鑰。
- 瀏覽器行為: 控制瀏覽器是否以無頭模式運行、是否連接到您自己的瀏覽器 (CDP) 等。

總結來說，mcp-browser-use 是一個重量級、專業級的 MCP 伺服器。它為 AI 助理開啟了通往真實、互動式網路世界的大門，使其不再僅僅是一個資訊的消費者，而是一個能夠主動執行複雜任務的**「網路操作員」**，是實現高階 AI Agent 自動化的關鍵基礎設施。