能动手操作浏览器的MCP！老金手把手教你使用BrowserTools！

老铁们好，今儿老金给大家带来个MCP神器。

有没有觉得现在的 AI 助手有时候挺“笨”的？

这就好比你请了个超级聪明的助理，但他却是个“瞎子”、“聋子”，看不到也听不到办公室外面的世界，只能靠记忆里的旧信息干活。你让它帮你看看某个网页上的最新信息，它只会跟你说“抱歉，我访问不了外部网站”或者“我不知道”？

痛点就在这儿：AI 助手与实时、动态的互联网是脱节的！

今天老金就给你们介绍个神器，给你的 AI 助手装上“眼睛”和“手”，让它真正能看到、能操作你正在浏览的网页！

它就是——AgentDeskAI 的 BrowserTools MCP 系统！

操作这事儿就非常屌了，目前我看到还有个项目是BrowserUse，他是个独立的端，还没看到MCP。

小白入门篇：AI 上网冲浪，是种什么体验？

老金用大白话告诉你，这玩意儿装上后，你的 AI 助手（比如你可能在用的 Cursor 编辑器、或者未来支持的 AI 工具）能解锁哪些超能力，让你用起来更爽：

它能干嘛？

1. “看”网页内容：能读懂你当前打开的网页上写了啥。

2. “听诊”网页后台：能看到网页加载时程序员才关心的控制台日志、网络请求有没有报错。

3. “拍照”存档：随时帮你截取当前看到的网页画面。

4. 做“网站体检”：用专业工具 (Lighthouse) 分析网页健康状况，比如访问速度快不快、对残障人士友好不友好、搜起来容不容易等。

5. “分析诊断”：结合以上能力，帮你分析网页为啥出错、为啥卡顿。

为啥说它牛？

• 告别“过时 AI”：AI 能获取网页上的最新信息，聊天、分析都更靠谱。

• 解决问题“快准狠”：遇到网页问题，AI 能直接“看到现场”，帮你更快找到原因，不用你抓瞎。

• 你的数据你做主，安全！：这套系统完全在你自己电脑上运行，你的浏览数据不会上传给任何公司，隐私有保障！

听起来还是很抽象？来看几个让你爽到的案例：

• 案例一：购物决策好帮手

• 痛点：想买东西，评论太多懒得翻，怕踩坑。

• 怎么爽：直接问 AI：“总结下这页的差评和好评。” AI 用 BrowserTools MCP “看完”所有评论，几秒钟告诉你大家都在夸啥、骂啥。

• 案例二：网页卡顿终结者

• 痛点：好不容易打开个网站，卡得像幻灯片，不知道为啥。

• 怎么爽：问 AI：“这网页咋回事，卡死了！” AI 调用“网站体检”功能，告诉你：“老铁，这网页卡，可能是因为图片太大没压缩，还有几个广告脚本拖后腿了。” 清清楚楚！

• 案例三：报错信息翻译官

• 痛点：访问网站遇到红字报错或者白屏，完全看不懂。

• 怎么爽：让 AI “看看”控制台错误，或者截个图问它：“这啥情况啊？” AI 结合看到的错误信息，用人话帮你解释原因。

小白怎么快速上手？

看到这里，你可能想问：“这么牛的东西，我是不是得装一堆复杂的软件？”

好消息是：大概率你不需要！

这套 BrowserTools MCP 系统，主要是给开发者或者AI 工具提供商（比如 Cursor 团队）用的。

他们会负责把这套系统集成到他们的 AI 产品里。

你需要做的，仅仅是确认你用的 AI 工具是否支持：看看你常用的 AI 编辑器（如 Cursor）、AI 助手（如 Claude Desktop）有没有宣布支持 BrowserTools MCP 或类似的功能。

如下操作，运行此 MCP 工具有三个组件：

1. 安装 Chrome 扩展程序：

• 去官方 GitHub Releases 页面下载最新的 ZIP 包 (v1.2.0 BrowserToolsMCP Chrome 扩展程序)。

• 解压缩。

• 打开 Chrome，地址栏输入 chrome://extensions/。

• 右上角打开“开发者模式”。

• 点“加载已解压的扩展程序”，选中你刚才解压的文件夹。

• 看到扩展图标出现在工具栏就对了。

1. 安装并运行浏览器工具服务器 (Node Server)：

• 打开一个新的终端窗口。

• 运行命令：npx @agentdeskai/browser-tools-server@latest

• 看到提示服务器在端口 3025 (默认) 运行起来，并且这个终端窗口要一直开着！

1. 安装并运行 MCP 服务器：

• 再打开一个新的终端窗口（或者用 IDE 的终端）。

• 运行命令：

• 看到提示成功连接到 Browser Tools Server 就绪了！

{
  "mcpServers": {
    "BroswerTools":{
      "command":"npx",
      "args":["-y","@agentdeskai/browser-tools-mcp@latest"]
    }
  }
} 

1. 连接验证：

• 打开 Chrome 开发者工具 (F12 或右键检查)。

• 找到并切换到 “BrowserToolsMCP” 面板。

• 面板里应该显示 “Connected to server”。

• 同时看看两个服务器终端窗口，应该有连接成功的日志。

• 这时候，你的 AI 客户端（比如 Cursor）应该就能识别并通过 MCP 调用这些浏览器工具了！

这样之后，等于Cursor就可以接管我们的浏览器了，然后你可以提问任何与网页相关的问题，它都可以自行操作。

然后你只需要在Cursor或其他支持MCP的应用里直接对网页提问就行：

帮我看看这个账号的所有你能看到的信息，并进行总结。

帮我看看这个网页上都说了什么，截个图，并总结一下。

帮我翻译下这个网页，并进行总结。

帮我看看它这个图片生成请求是怎么发的？

帮我看看页面刷新时候，token会不会变？

这个网页加载好慢，帮我看看怎么回事？

帮我看看是不是有BUG，我的余额怎么不会涨（最后这个开玩笑，不用试 = = ）

硬核进阶篇：技术宅深度解析

这部分内容老金基于官方文档编写，细节满满。

这套系统主要由三个在你本地运行的组件构成：

1. Chrome 扩展程序 (Chrome Extension)：深入卧底！

• 你的“卧底”，安装在 Chrome 里，跟开发者工具 (DevTools) 集成。

• 核心职责：捕获浏览器数据！

• 内部构造 (Manifest v3 架构)：

• manifest.json: 定义扩展的“身份证”和权限 (需要 debugger, storage, tabs/tabCapture, <all_urls> 等)。

• DevTools 集成 (devtools.js): 创建 "BrowserToolsMCP" 面板，监听控制台、网络、DOM 选择事件，调用 Chrome API 捕获数据，处理数据（截断、格式化），并通过 WebSocket/HTTP 与 Node 服务器通信。

• 设置面板 UI (panel.js, panel.html): 提供配置界面（服务器连接、数据限制、截图路径、是否自动粘贴到 Cursor 等），设置保存在 chrome.storage.local。

• 后台服务 (background.js): 独立运行，跟踪标签页 URL，处理截图请求，验证服务器身份，与 Node 服务器通信。

1. 浏览器工具服务器 (Browser Tools Server / Node Server)：中枢处理器！

• 一个在你本地运行的 Node.js + Express 服务器，是“中转站”和“数据处理中心”。

• 核心职责：接收、处理、存储浏览器数据，提供 API 供 MCP 服务器调用，执行浏览器自动化任务。

• 内部构造：

• BrowserConnector Class: 核心管理类，初始化和管理 WebSocket 及 Express HTTP 服务。

• WebSocketServer: 通过 /extension-ws 路径与 Chrome 扩展进行实时双向通信（接收截图命令、发送导航事件等）。

• Express Server (app): 提供 RESTful HTTP API 端点，供 MCP 服务器查询数据和发送命令（如 GET /console-logs, POST /capture-screenshot, POST /accessibility-audit 等）。

• In-Memory Data Store: 用内存数组存储最近的控制台日志、网络请求、选定元素等数据（有数量和大小限制，可在设置面板配置）。

• PuppeteerService: 核心的浏览器自动化引擎！

• 能自动检测你系统里安装的浏览器 (Chrome, Edge, Brave, Firefox - 部分支持)。

• 负责启动、管理和清理无头浏览器实例。

• 提供跨平台兼容性（Windows, macOS, Linux, WSL 路径处理）。

• 支持设备模拟（手机、平板、桌面）和网络条件模拟（慢速3G、4G等）。

• 支持资源拦截（如屏蔽图片、字体以加速非性能审计）。

• 有自动浏览器清理机制，防止内存泄漏。

• LighthouseService: 基于 Puppeteer 服务，调用 Google Lighthouse 核心库来执行专业的网站审计。

• 通信方式：通过 WebSocket 接收扩展的实时消息，通过 HTTP API (/extension-log) 接收扩展发送的日志数据；通过 HTTP API 响应 MCP 服务器的请求。

• 健壮性：有端口占用自动回退机制（默认 3025），详细的错误处理和日志记录。

1. MCP 服务器 (MCP Server)：翻译官与指挥官！

• “翻译官”和“指挥官”，实现了模型上下文协议 (MCP) 标准。

• 核心职责：连接 AI 客户端 (Cursor 等) 和浏览器工具服务器，提供标准化的工具接口。

• 内部构造：

• McpServer Class: 实现 MCP 协议的核心，使用了官方的 @modelcontextprotocol/sdk。

• Server Discovery: 自动查找本地运行的浏览器工具服务器。

• 查找策略：先看环境变量 (BROWSER_TOOLS_HOST/PORT) -> 再看同目录下的 .port 文件 -> 再试常用主机 ("127.0.0.1", "localhost") 和端口 (默认 3025，备用 3026-3035)。

• 身份验证：找到后会请求 /.identity 接口，验证返回的签名是不是 mcp-browser-connector-24x7，确保没找错人。

• Tool Registry: 注册并暴露一系列标准化的工具给 AI 客户端调用。这些工具内部会调用 Node 服务器的 HTTP API。

• withServerConnection: 一个保险机制，每次调用工具前都用它检查和 Node 服务器的连接。如果连接断了，会自动尝试重新发现并连接，保证稳定性。

• 通信方式：使用 StdioServerTransport 通过标准输入输出流 (stdio) 与 AI 客户端进行 JSON-RPC 通信。

数据流和命令流：它是怎么跑起来的？

• 数据流（浏览器 -> AI）：浏览器产生数据 -> Chrome 扩展捕获 -> WebSocket/HTTP 发给 Node 服务器 -> Node 服务器处理存储 -> AI 客户端通过 MCP 服务器请求 -> MCP 服务器调 Node API 获取 -> Node 服务器返回数据 -> MCP 服务器格式化后给 AI。

• 命令流（AI -> 浏览器）：AI 客户端通过 MCP 服务器发指令 -> MCP 服务器调 Node API -> Node 服务器（可能通过 Puppeteer 或 WebSocket）发命令给扩展/浏览器 -> 扩展/浏览器执行操作 -> 结果返回 Node 服务器 -> Node 服务器给 MCP 服务器 -> MCP 服务器处理后给 AI。

看明白没？就是一个安全、高效的双向闭环，AI 能看也能动！

核心功能与 API 概览：不止是看看而已！

这套工具能干的活儿可不少，通过 Node 服务器提供的 API 实现：

• 日志管理 API:

• GET /console-logs, /console-errors: 获取控制台日志/错误。

• GET /network-errors, /network-success, /all-xhr: 获取网络请求日志。

• POST /wipelogs: 清空所有内存中的日志。

• POST /extension-log: (供扩展内部使用) 发送日志到服务器。

• 元素选择 API:

• GET /selected-element: 获取当前 DevTools 中选中的 DOM 元素信息。

• POST /selected-element: (供扩展内部使用) 更新选中的元素信息。

• 截图 API:

• POST /screenshot: (供扩展内部使用) 保存已捕获的 base64 截图数据。

• POST /capture-screenshot: 请求 Chrome 扩展捕获新截图并保存。

• URL 管理 API:

• GET /current-url: 获取当前监控的标签页 URL。

• POST /current-url: (供扩展内部使用) 更新当前 URL。

• 审计 API (Lighthouse):

• POST /accessibility-audit, /performance-audit, /seo-audit, /best-practices-audit: 对当前页面运行相应的 Lighthouse 审计。

• 服务器状态 API:

• GET /.port: 获取 Node 服务器运行的端口。

• GET /.identity: 获取服务器身份信息（名称、版本、签名）。

而且系统很智能，会帮你处理数据：

• 自动截断超长日志/字符串 (truncateStringsInData)，防止 AI Token 爆了。

• 自动删除 Cookie、凭证等敏感信息 (Header Filtering)。

• 自动去重日志。

• 把数据格式化成 AI 最喜欢的样子 (AI-Optimized JSON Results)。

• 有可配置的限制 (log count and size limits，可在设置面板调整)。

• 审计结果会根据问题严重性进行智能限制 (Critical 全显示, Serious 最多 15 条, Moderate 10 条, Minor 3 条)。

审计能力详解：网站“体检报告”生成器

它的审计功能是基于 Lighthouse 的，非常专业！能提供：

• 无障碍审计：检查 WCAG 合规性（颜色对比度、替代文本、键盘导航等）。

• 性能审计：分析 Core Web Vitals、页面加载速度、资源优化等。

• SEO 审计：评估元数据、标题、链接结构、移动友好性等。

• 最佳实践审计：检查安全性、用户体验、浏览器兼容性等。

• NextJS 审计：专门针对 Next.js 应用的分析。

还有两种模式：

• 审计模式 (Audit Mode)：一键跑完所有审计（检测到 Next.js 会加跑）。

• 调试器模式 (Debugger Mode)：按特定顺序执行所有调试工具。

结果会以结构化的、为 AI 优化的 JSON 格式返回，包含元数据、分数、问题列表、优先级建议等，方便 AI 理解和分析。

MCP 服务器给 AI 客户端（比如 Cursor）提供了哪些可以直接调用的“武器”呢？官方文档列得很清楚：

• 控制台工具 (Console Tools)：

• getConsoleLogs: 获取所有控制台日志。

• getConsoleErrors: 只看错误日志。

• wipeLogs: 清空内存里的日志（控制台+网络）。

• 网络工具 (Network Tools)：

• getNetworkLogs: 获取所有网络请求（成功的）。

• getNetworkErrors: 只看失败的网络请求。

• 元素工具 (Element Tools)：

• getSelectedElement: 获取你在 DevTools 里选中的那个 DOM 元素的信息。

• 截图工具 (Screenshot Tools)：

• takeScreenshot: 对当前浏览器标签页截个图。

• 审计工具 (Audit Tools)：

• runAccessibilityAudit: 跑无障碍审计。

• runPerformanceAudit: 跑性能审计。

• runSEOAudit: 跑 SEO 审计。

• runBestPracticesAudit: 跑最佳实践审计。

• runNextJSAudit: （这个比较特殊）返回一个详细的 Next.js SEO 分析指南，让 AI 照着做。

• 模式工具 (Mode Tools)：

• runAuditMode: 指导 AI 按顺序执行一系列审计（无障碍 -> 性能 -> 最佳实践 -> SEO -> Next.js(如果需要)）。

• runDebuggerMode: 指导 AI 按结构化流程进行 Debug（思考可能原因 -> 缩小范围 -> 检查日志/网络/元素 -> 尝试修复 -> 验证）。

这些工具都遵循 MCP 的标准，返回格式化的 JSON 数据 ({ content: [{ type: "text", text: "..." }], isError?: boolean })，方便 AI 理解和使用。

跟 Cursor 结合：编码效率原地起飞！

---

好了，重点来了！有了这些明确的工具，AI 编辑器（比如 Cursor）就能更精准地干活了！

想象一下：

• 光速 Debug：你在 Cursor 里写代码，遇到报错。直接问 Cursor AI：“帮我看看浏览器控制台有啥错误？” AI 调用 getConsoleErrors，拿到错误日志，再结合代码分析，定位问题。或者你直接让它进入 runDebuggerMode，一步步帮你排查。

• 秒懂新库/API：你在 Cursor 里用新函数。问 AI：“这个函数怎么用？” AI 可以先尝试理解代码，如果信息不足，它可能会提示你：“请打开这个函数的文档页面，然后选中关键部分，我再调用 getSelectedElement 来看看。” 或者更高级的，AI 直接控制浏览器访问文档页（如果未来支持这种操作）。

• 前端调试利器：你在 Cursor 里写前端代码。直接说：“帮我跑个性能审计。” AI 调用 runPerformanceAudit，跑一遍 Lighthouse，把结果（比如 LCP 时间、阻塞资源）告诉你，并给出优化建议。想看某个按钮的样式？选中它，让 AI 调用 getSelectedElement 获取信息。

• 实时信息获取：让 AI 调用 takeScreenshot 截个图看看页面效果，或者调用 getNetworkLogs 检查某个 API 请求是否成功。

遇到问题咋办？(官方排错提示)

• Node Server 启动失败？检查 3025 端口是不是被占用了。

• 扩展连不上 Node Server？彻底退出 Chrome 再重启试试，确保只打开一个 DevTools 面板。

• MCP Server 找不到 Node Server？确认 Node Server 正常运行没报错。

• AI 客户端里看不到工具？确认 MCP Server 正常连接。

• 还是不行？检查防火墙是不是挡住了 3025 端口，或者去项目 GitHub Issues 页面看看。

配置选项：

• Chrome 扩展的设置面板里可以调：

• 服务器地址 (serverHost, serverPort)

• Token/截断限制 (logLimit, queryLimit, stringSizeLimit, maxLogSize)

• 截图保存路径 (screenshotPath)

• 是否显示请求/响应头 (showRequestHeaders, showResponseHeaders)

• 是否允许自动粘贴到 Cursor (allowAutoPaste)

• Node Server 可以通过环境变量 PORT 改端口，LOG_LEVEL 改日志级别。

• MCP Server 会自动发现 Node Server，一般不用特殊配置。

老金怎么看？

AgentDeskAI 这个 BrowserTools MCP 系统，是真给 AI Agent 装上了“千里眼”和“顺风耳”，还能动手干活！

特别是跟 Cursor 这种 AI 编程工具结合，潜力巨大！

核心优势：

• 打通 AI 与实时网络/浏览器：让 AI 不再局限于过时数据，能直接与浏览器交互。

• 本地运行保隐私：数据安全放心。

• 标准化接口 (MCP)：方便接入各种 AI 客户端（Cursor, Claude Desktop 等）。

• 工具丰富且专业：监控、分析、截图、Lighthouse 审计、调试模式，覆盖开发调试全流程。

• 提升开发效率：减少上下文切换，信息直达，AI 辅助调试和分析能力大大增强。

• 可扩展性：官方提供了开发指南，懂行的同学还能自己扩展新工具！

当然，这套系统看起来也比较专业，学习起来可能需要点耐心。

但一旦搞定，对于需要 AI 深度参与浏览器交互、前端开发和调试的场景，绝对是大利器！

想让你的 AI 助手更强大？想让你的 Cursor 更智能？

那这个 BrowserTools MCP，值得你花时间研究一下！

跟紧老金！

我们一起探索这些能让 AI 更强大的工具和技术！