Puppeteer MCP

Puppeteer MCP

Puppeteer MCP 是一个模型上下文协议服务器，允许 AI 代理和语言模型通过熟悉的 Puppeteer 库执行高级浏览器自动化和网页抓取任务。它提供安全、受控的无头浏览器会话访问，让 LLM 可以浏览网站、提取结构化和非结构化数据、与动态内容互动，并像使用真实浏览器一样执行操作。

Author: modelcontextprotocol


查看协议

什么是 Puppeteer MCP？

Puppeteer MCP 是一个插件/服务器，通过模型上下文协议提供浏览器自动化功能，使 LLM 和代理框架能够进行网页浏览、抓取和自动化。它利用 Puppeteer 无头 Chrome 库，因此模型和代理可以编程访问网页、填写表单、点击按钮、截屏和抓取数据，所有操作都使用标准化的 MCP 接口。

如何配置 Puppeteer MCP

  1. 安装 Node.js（如果尚未安装）。
  2. 使用 npx 安装 Puppeteer MCP 服务器，或者通过克隆仓库： 
    npx -y @modelcontextprotocol/server-puppeteer
    或作为依赖项安装： 
    npm install -g @modelcontextprotocol/server-puppeteer
  3. 启动服务器： 
    npx -y @modelcontextprotocol/server-puppeteer
    可选地，可以传递环境变量或命令行参数进行自定义配置（如访问控制、沙盒设置或无头选项）。
  4. 配置你的 MCP 客户端/代理应用（例如 Claude Desktop 或其他 LLM 主机）以连接到 Puppeteer MCP 服务器，指定其命令及所需参数。 示例（Claude Desktop JSON 配置）： 
    {
  "mcpServers": {
    "puppeteer": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-puppeteer"]
    }
  }
}
  5. 可选地，调整安全设置、网络访问，或设置身份验证（如果远程暴露 MCP 服务器）。

如何使用 Puppeteer MCP

  1. 发现可用工具： 使用你的 MCP 客户端查询 tools/list 接口，查看可用的 Puppeteer 操作（如 puppeteer.navigate、puppeteer.evaluate、puppeteer.screenshot 等）。
  2. 调用工具： 通过 MCP 协议调用所需的函数，提供适当的参数（例如，指定导航到的 URL 或要点击的元素选择器）。
  3. 自动化序列： 链接多个 Puppeteer 工具调用来编写复杂的工作流，比如登录网站、浏览多个页面、抓取表格或图形、下载文件。
  4. 获取和处理结果： 每次调用的输出将包括相关数据，如页面内容、DOM 快照、提取的值或二进制数据（用于截图、PDF 等）。
  5. 与其他 MCP 工具集成： 将 Puppeteer MCP 与其他 MCP 服务器（例如文件系统、内存、数据库）结合，进行多步骤、多模式的自动化和数据处理。

主要特性

  • 无头浏览器自动化： 完整控制 Chrome/Chromium 进行全面的网页交互。
  • 动态内容访问： 支持重依赖 JavaScript 的单页应用和互动网站。
  • 数据提取： 使用精确的选择器抓取结构化/非结构化内容。
  • 动作模拟： 点击、输入、选择、滚动和互动，如同真实用户。
  • 资源捕获： 截图、生成 PDF，并提取渲染的 HTML 或 DOM 片段。
  • 安全性与沙盒： 精细的权限设置防止不安全操作，确保安全运行。
  • 易于集成： 标准化的 MCP 接口即插即用，支持主流 LLM 代理/应用。
  • 可脚本化序列： 通过链接工具调用组织复杂的工作流。

使用案例

  • 自动化网页抓取： 提取产品列表、新闻文章、公共数据集或社交媒体帖子。
  • 动态数据收集： 从 JavaScript 渲染的页面捕获数据，这些页面无法通过基本 HTTP 请求访问。
  • 表单填写和提交： 自动化登录、注册或多步骤数据输入过程。
  • 视觉回归与监控： 定期截取或生成高价值网页的屏幕截图或 PDF，用于监控或记录。
  • 测试与质量保证： 在你的 LLM 工作流中运行自动化 UI 测试或回归检查。
  • 代理增强浏览： 让 LLM “驱动” 浏览器进行研究、总结或验证实时网页内容，支持自然语言处理任务。

常见问题

1. 使用 Puppeteer MCP 服务器需要了解 Puppeteer 吗？
不需要。工具以易于使用的 MCP 接口呈现，并附有清晰描述，因此用户和 LLM 不需要了解 Puppeteer API 细节，就能触发常见的浏览器操作。

2. 我该如何限制服务器访问的网站或操作？
可以通过环境变量或命令行参数配置允许的域名、黑名单或白名单操作。始终遵循最佳访问控制实践，特别是在共享或生产环境中。

3. 我可以使用 Puppeteer MCP 绕过验证码和登录界面吗？
尽管 Puppeteer MCP 支持完整的浏览器操作（包括表单填写和导航），但不包括原生验证码解决。不过，你可以用它展示验证码，以便人力解决，或者必要时使用第三方插件/服务。

4. Puppeteer MCP 可以输出哪些文件类型？
可以提取 HTML、纯文本、截屏（PNG/JPEG）、PDF 以及从 DOM 抓取的任意数据。

5. 是否可以自动化依赖于先前结果的多步骤工作流？
可以。可以在代理或客户端逻辑中链接多个工具调用，按需传递一步的输出作为下一步的输入。