jev-browser

基于 MCP 协议的浏览器自动化工具,核心特点是将任务规划交给 LLM(大语言模型)

AI Agent 部分免费

jev-browser 是一款基于 MCP 协议的浏览器自动化工具,核心特点是将任务规划交给 LLM(大语言模型),而由 Jev(TypeSafe System One)完成每一步的具体决策,实现精准的浏览器操控。相比传统方式,jev-browser 将 token 消耗降低了约 98%,平均每个任务仅需约 8k token,同时保持极高的任务正确率。


技能简介

jev-browser 是一款由 LLM 规划、Jev 决策的浏览器自动化 MCP 服务器。它将自然语言任务拆解为可执行的浏览器操作步骤,通过 Jev 系统在约 300 毫秒内判断每个步骤的状态(完成、阻塞、需要确认等),由 Playwright 精准执行。jev-browser 不读取页面快照,避免了高昂的 token 开销,同时内置对不可逆操作的主动拦截机制,显著提升自动化流程的安全性与可靠性。


核心能力

jev-browser 提供七个核心工具函数,覆盖浏览器自动化的全流程:

  • browser_open(url):导航到指定 URL,等待页面完全加载
  • browser_do(goal, values):针对一个可观测结果执行操作,返回 done / likely_done / needs_confirmation / error / stuck / ambiguous / blocked 等状态
  • browser_check(question):对页面状态提问,返回 yes 概率(0-1)
  • browser_choose(question, options):从给定选项列表中做选择
  • browser_snapshot():获取紧凑编号的元素列表,供人工接管
  • browser_screenshot(full_page):生成 PNG 截图
  • browser_close():结束当前浏览器会话

安装配置

环境要求

  • Node.js 环境
  • 已安装 Playwright Chromium:npx playwright install chromium
  • TypeSafe API Key(来自 TypeSafe System One)

MCP 安装(npm 方式)

claude mcp add jev-browser -e TYPESAFE_API_KEY=your-key -- npx -y -p jev-browser jev-browser-mcp

任何 MCP 客户端均可使用相同方式配置:命令填写 npx 参数,填入环境变量 TYPESAFE_API_KEY。

源代码安装

git clone https://github.com/Ying-Kai-Liao/jev-browser && cd jev-browser
npm install
npm run setup
cp .env.example .env  # 添加 TYPESAFE_API_KEY

使用步骤

  1. 安装依赖:运行 npx playwright install chromium 安装 Playwright 浏览器
  2. 配置 MCP:在 Claude Code 中添加 jev-browser MCP 服务器,填入 TypeSafe API Key
  3. 启动会话:调用 browser_open(url) 导航到目标页面
  4. 执行任务:用 browser_do("任务描述", {values}) 让 AI 逐步完成任务
  5. 检查结果:通过 browser_check() 验证页面状态
  6. 获取证据:使用 browser_screenshot() 截图留证
  7. 关闭会话:调用 browser_close() 结束

适用场景

  • 网页应用自动化测试:表单填写、登录流程、电商结账等端到端测试
  • 数据采集与爬取:结构化页面信息的自动化提取
  • 持续集成(CI):无头浏览器环境下运行自动化检查
  • 用户界面验证:截图对比、视觉回归测试

适用人群

  • 需要自动化操作浏览器的开发者与测试工程师
  • 在 Claude Code 中构建浏览器相关 AI agent 的用户
  • 对 token 成本敏感、追求高效浏览器自动化的团队

工作原理

jev-browser 采用「LLM 规划 + Jev 决策」的双层架构:

  1. 规划层(LLM):接收自然语言任务目标,将其拆解为逐步操作序列
  2. 决策层(Jev):对每个操作,由 Jev(约 300ms)判断页面当前状态:目标是否达成、是否需要确认、是否遇到阻塞
  3. 执行层(Playwright):根据决策结果执行实际浏览器操作

这一架构的优势在于:LLM 无需读取昂贵页面快照即可做出决策,从而将 token 消耗降低至传统方案的约 2%。


官方链接

团队信息

由 AI 猎手自动发现

评论与建议

0 条评论