Gen AI MCP Server Selenium

MCP硒

Selenium WebDriver的模型上下文协议（MCP）的Java实现，通过标准化的MCP客户端实现浏览器自动化。

概述

MCP Selenium在模型上下文协议和Selenium WebDriver之间提供了一座桥梁。它允许AI助手和其他兼容MCP的客户端使用一组标准化的工具执行浏览器自动化任务。

项目结构

│ ├── McpSeleniumServer.java#主MCP服务器实现 │ ├── McpSeleniumLauncher.java#服务器的启动器脚本 │ └── AdvancedMcpClient.java#用于测试的GUI客户端 ├── 目标/ │ └── mcp-selenium-0.1.0-jar-with-dependences.jar#编译的含依赖项的jar └── pom.xml#Maven项目配置

## Prerequisites

- Java 11 or higher
- Maven (for building)
- Chrome or Firefox browser installed

# Build with Maven
mvn clean package

这将在以下位置创建JAR文件 target/mcp-selenium-0.1.0-jar-with-dependencies.jar.

服务器将启动并等待标准输入上的命令。您将看到服务器信息作为初始输出。

发送命令

现在，您可以向服务器发送JSON命令。将命令直接键入或粘贴到终端中，每行一个。

示例命令

1. 启动Chrome浏览器：

{"type":"tool_call","tool_call_id":"call-1","name":"start_browser","params":{"browser":"chrome","options":{"headless":false}}}

1. 导航到网站：

{"type":"tool_call","tool_call_id":"call-2","name":"navigate","params":{"url":"https://www.example.com"}}

1. 查找元素：

{"type":"tool_call","tool_call_id":"call-3","name":"find_element","params":{"by":"css","value":"h1"}}

1. 获取元素文本：

{"type":"tool_call","tool_call_id":"call-4","name":"get_element_text","params":{"by":"css","value":"h1"}}

1. 单击元素：

{"type":"tool_call","tool_call_id":"call-5","name":"click_element","params":{"by":"id","value":"submit-button"}}

1. 在元素中键入文本：

{"type":"tool_call","tool_call_id":"call-6","name":"send_keys","params":{"by":"id","value":"search-box","text":"search query"}}

1. 截图：

{"type":"tool_call","tool_call_id":"call-7","name":"take_screenshot","params":{"outputPath":"screenshot.png"}}

1. 关闭浏览器：

{"type":"tool_call","tool_call_id":"call-8","name":"close_session","params":{}}

关闭服务器

要停止服务器，请在终端中使用Ctrl+C。

选项2:GUI客户端

为了获得更用户友好的体验，您可以使用附带的GUI客户端。

启动GUI客户端

编译并运行客户端：

使用GUI

启动时，GUI客户端会自动启动MCP Selenium服务器。界面包括：

1. 命令选择器：下拉菜单，选择要执行的MCP命令。
2. JSON参数：文本字段，用于以JSON格式输入命令参数。
3. 快速操作按钮:

- 启动Chrome：启动Chrome浏览器 - 导航：打开一个对话框以输入URL - 截图：截图 - 关闭浏览器：关闭当前会话

1. 日志区域：显示服务器响应和日志。

GUI使用示例

查找元素

1. 从命令下拉列表中选择“find_element”。
2. 在JSON字段中输入参数：

{"by":"id","value":"login-button"}

1. 点击“发送”。

发送密钥（键入文本）

1. 从命令下拉列表中选择“send_keys”。
2. 在JSON字段中输入参数：

{"by":"id","value":"username","text":"testuser@example.com"}

1. 点击“发送”。

单击元素

1. 从命令下拉列表中选择“click_element”。
2. 在JSON字段中输入参数：

{"by":"css","value":"button.submit"}

1. 点击“发送”。

支持的命令

MCP Selenium服务器支持以下命令：

定位器策略

对于与元素交互的命令，请在 by 参数：

• id：元素ID
• css：CSS选择器
• xpath：XPath表达式
• name：元素名称
• tag：HTML标记名称
• class：CSS类名

与人工智能系统集成

MCP Selenium旨在与支持模型上下文协议的AI系统一起使用。要与Claude这样的人工智能助手集成：

1. 启动MCP Selenium服务器
2. 配置AI系统以通过stdin/stdout连接到服务器
3. 向人工智能发送自然语言命令，人工智能会将其转换为MCP命令

故障排除

常见问题

1. 浏览器未启动:

- 确保您已安装Chrome或Firefox - 尝试使用 "headless":true 在选项中 - 检查服务器日志以获取详细的错误消息

1. 未找到元素:

- 验证您的定位器（通过和值） - 增加超时值 - 检查元素是否在iframe中

1. 服务器未响应:

- 确保JSON格式正确 - 检查每个命令是否具有唯一的tool_call_id - 如果服务器没有响应，请重新启动服务器

1. 屏幕截图未保存:

- 提供绝对文件路径 - 确保目录存在 - 检查文件权限

致谢

• 基于Selenium WebDriver构建，实现浏览器自动化
• 实现模型上下文协议标准