PA_MCP_网络_基础_工具_自动化_服务器_V1
基于web的模型上下文协议（MCP）到创建者和执行者服务器
因为我将使用“无头客户端/抓取”来设置一些工作流程，或者换句话说，一步一步地了解代理或一些工具应该如何访问一个基于网络的工具，我通常使用这个工具来执行我每天需要做的一些重复和简单的操作（请参阅其他聊天历史和文档）。这个想法是
-我将创建两个主要的灵活功能/MCP工具，称为“基于网络的工具创建者”（WBTC）和“基于网络工具执行器”（WBTE）
-WBTE将接收要执行的基于web的工具名称或id，它还将接收LLM代理使用参数动态创建的键值对列表或字典，以执行基于web的软件
-为了使其正常工作，我们将首先创建并最终使用一个名为“基于网络的工具创建者”（WBTC）的MCP工具
-WBTC也将被llm代理调用，它将与用户交互，逐步设置/创建和测试“基于网络的工具”（WBT）。
-WBTC+LLM代理应指导用户逐步创建和测试一个功能强大且有效的WBT注册表。执行以下操作
-当提示LLM代理注册新的WBT时，应通过了解所需的参数（以正确的顺序）来启动该过程，以获得由WBTC创建的新WBT，WBTC将是一个MCP服务器工具。
-然后，LLM代理将成为用户和WBTC工具之间的接口，以在创建WBT的每个步骤中创建和测试WBT
例如：
-用户->LLM代理：我需要创建一个新的基于web的工具或WBT
-LLM代理->WBTC：创建WBT当前需要哪些步骤/参数？（这可能是MCP服务器本机功能的一部分）
-WBTC->LLM代理：这是所需步骤/参数及其测试点的列表
1.基于web的工具URL/或登录页面
2.测试点：检查URL是否可访问。如果没有通知用户并要求提供有效的网址
3.是否需要身份验证（是/否）
4.基于网络的工具需要身份验证吗？
4.1要求用户提供登录名和密码html“输入id”、tag_id、占位符（通常位于密码和用户文本框内部、上方或左侧的文本），或WBTC可用于识别和设置登录名和口令的任何其他唯一标识符（html或仅基于UI）
4.2测试点：检查密码和用户文本框是否可访问。如果它没有通知用户并要求提供有效的密码和用户标识符（此密码和用户文本框id以及测试点实际上应该是两个步骤，而不是一个步骤，特别是因为某些时候平台将用户和密码放置在不同的页面中，作为身份验证工作流过程的一部分）
4.3向用户询问用户名和密码（这应该是完全加密的端到端通信，并保存在加密的数据库中）
4.4测试点：检查提供的密码和用户是否允许WBTC进行身份验证和访问系统。如果没有通知用户错误，请用户使用正确的凭据重试
4.5基于网络的工具身份验证是否需要2步身份验证因素？
4.5.1如果是，请告知用户您需要哪两个步骤进行身份验证
4.5.2用户使用移动应用程序或电子邮件确认发送pin码或批准访问请求。
4.5.3在使用凭据之前，LLM代理+WBTC确保页面中的“保持我登录”或“记住我”或任何其他描述性文本将保持LLM代理+VBTC以及后来的“基于网络的工具执行器”（WBTE）登录，这样用户就不需要一直保持身份验证和/或使用双因素身份验证。
4.5.4如果需要引脚号。LLM代理+WBTC测试引脚并通知用户结果（访问或不访问以及为什么不访问）
4.5.5如果访问结果未被访问，LLM代理将显示LLM代理+WBTC已使用的网页，以完成WBT创建。重要提示：我知道整个“无头客户端/抓取”，但由于这将全部在本地运行（以提高安全性），如果有办法在我的ubuntu机器上完成整个过程，我实际上可以使用我的谷歌chrome浏览器（我的凭据已经保存在那里）让LLM代理+WBTC朝着这些步骤工作，然后我可以手动干预身份验证过程，例如添加登录名和密码、我的双因素身份验证，甚至进行“验证码”验证，因为“验证码（CAPTCHA）”验证对人类来说很容易解决，但对“机器人（bots）”来说很难解决。如果是这样的话，我只需选中“让我登录”（或类似）复选框，然后我就可以在下个月左右或网站允许我这样做的时间内使用该登录部分。
如果这是一个选项，我会从上面描述的LLM代理+WBTC来回对话/设置开始。如果WBT有一个简单的身份验证，它足够简单，不需要我的交互，我只需要在电话上使用我的电报机器人来完成它。否则，如果LLM代理+WBTC很难以这种方式完成它，它应该让用户（我）知道，对于这个WBT，我必须登录我的ubuntu电报聊天，与谷歌chrome浏览器实时交互，并与LLM代理+VBTC合作进行设置和登录。最理想的情况是，在这些情况下，我只需要登录一次，只要网站允许我保持连接，就可以通过WBTE使用配置的WBT。但是，即使网络每次都要求我登录，并且我需要在我的ubuntu上观看LLM代理+WBTE执行WBT配置中的所有步骤，我认为不需要手动执行这些操作，值得节省时间
5身份验证过程是否成功完成
5.0如果基于web的工具自动化需要身份验证，并且身份验证过程已成功完成，LLM代理+WBTC会向用户询问WBT_type。这意味着它是一个WBTE稍后需要填写并点击按钮提交的表单（WBT_type=submission_form），还是一个页面或一组页面，WBTE稍后将需要从中抓取并获取一些信息/数据，并将其发送回MCP客户端（WBT_type=getting_data）
5.1 LLM代理+WBTC要求用户提供应单击的菜单链接项，以使LLM代理+VBTC正确 需要采取行动页面（ANP）。如果需要多个步骤，LLM代理+WBTC会不断询问是否还有其他步骤来获取所需的正确操作页面。
重要提示：此时，如果用户决定提供一个直接的url，LLM代理+WBTC将直接链接到所需操作页面，LLM代理人+WBTC应测试该链接，如果有效，只需转到表单中的标识字段（第5.2项）。
5.2 LLM代理+WBTE询问是什么 此操作所需页面（ANP）中应填写和/或选择的字段 以完成此页面中的操作。这意味着在完成此页面中的操作的过程中需要选择哪些字段，例如：文本框（例如）和/或复选框，和/或下拉列表，和/或者多选复选框。
5.2.1 LLM代理+WBTC现在将开始创建键值对列表或字典的过程，稍后LLM代理+VBTE将使用该列表或字典动态创建执行基于web的工具自动化所需的参数集。例如
- 所需操作页面（ANP）\_name
- 所需操作页面（ANP）\_描述（可选）
- 所需操作页面（ANP）\_url：到达那里的Url或步骤
- 字段1_名称：文本 - 字段1_描述（可选）：文本 - 字段1_标识符：文本框x1_id或文本框x1_label或文本框x1输入_id、文本框x1_tag - Field1_Type：文本框、复选框、下拉框或多选框 - 字段1_操作： - text（文本框_To_Be_Added）：“文本” - 如果Field1_Type=text_box只是将文本添加到文本框输入中 - 状态（复选框状态选项_To_Be_Selected）：“已选中”或“未选中” - 如果Field1_Type=复选框 - 如果文本已“选中”，请选中复选框 - 如果文本为“未选中”，则取消选中复选框 - Selected选项（下拉菜单_Option_To_Be_Selected）：“文本” - 如果Field1_Type=下拉列表，只需在下拉列表中搜索“dropdownTextNeededToBeSelected”文本，然后选择正确的选项。 - Selected选项（多选复选框_选项To_Be_Selected）：\[“多选复选框文本选项1”，\ “MultiSelectionCheckBoxesTextOption2”，\ “MultiSelectionCheckBoxesTextOption3”\] - 如果Field1_Type=multi_selection_checkbox遍历 selectedOptions 数组，并选中或选择每个相应的框或选项。
5.2.2测试点：检查用户发送的每个字段标识符（Field1_Identifier）及其各自的类型（Field1_Type）和动作（Field1_action）是否在当前页面中找到并可填写或选择。如果不是，请通知用户并要求提供有效的字段标识符以及正确的类型和操作参数。
5.3当当前“所需行动页面”正确填写并准备提交时，LLM代理+WBTC要求用户识别“提交操作按钮” 在“所需操作页面”中
5.3.1 LLM代理+WBTC向用户询问“提交操作按钮” html“输入id”、tag_id、占位符（通常在“提交操作按钮”)，或WBTC可用于识别并按下“提交操作按钮”
5.3.2测试点：检查“提交操作按钮” 通过了。如果表单在“基于web的工具创建”时发回任何验证错误消息，则需要在步骤5.2.1中修复一些问题
- （5.2.1 LLM代理+WBTE现在将开始创建键值对列表或字典的过程，稍后LLM代理+VBTC将使用该列表或字典动态创建执行基于web的工具所需的参数集）
- 如果表单发回确认消息或将LLM代理+WBTE重定向到新页面，LLM代理+VBTE会通知用户“提交操作按钮” 按下操作结果，并询问这是否是WBT自动化工作流的结束。
- 如果用户说是，LLM代理+WBTE会关闭浏览器（所有配置都会在执行时根据需要保存和更新，这意味着LLM代理会与用户交互） - 如果用户说没有，LLM代理+WBTE将返回到步骤/项目5.1并继续循环。用户说这是WBT自动化工作流创建的结束。每次交互都应创建一个新的操作所需页面（ANP）及其字段名称、标识符、类型和操作。当然，“提交操作按钮” 新闻行动 - （5.1 LLM代理+WBTC要求用户提供应单击的菜单链接项，以使LLM代理+VBTC正确 所需操作页面。如果需要多个步骤，LLM代理+WBTC会不断询问是否还有其他步骤来获取所需的正确操作页面。)
5.4当开始创建“基于网络的工具”（WBT）自动化流程时，应始终要求用户提供“基于web的工具创建者”（WBTC）+LLM代理对“基于网络工具”（WB T）的需求进行描述，以便将其保存或返回给编排器MCP客户端，该客户端可以使用该描述来决定是否可以通过触发此新添加的“基于网络”的工具来解决当前试图解决的问题。所需操作页面（ANP）列表及其名称、描述也应可供编排器MCP客户端使用。此外，对于每个行动所需页面（ANP），其各自的字段名称和描述列表也应可供编排器MCP客户端查看，并用于决定何时以及如何使用新添加的基于网络的工具。
重要澄清\ 尽管我提到了编排器MCP客户端，但请记住，这将是一个基于网络的模型上下文协议（MCP），用于创建者和执行者服务器，它不仅表示编排器MCP客户机应该访问第5.4项中提到的决策助手数据，还表示任何其他使用此“基于网络的建模上下文协议（MCPs），用于创建者和执行器服务器”的MCP客户端都应该访问这些决策助手数据\ 这种“基于网络的模型上下文协议（MCP）到创建者和执行者服务器”应该有一种方法，让MCP客户端在数据库中获取使用所有决策辅助数据创建的所有WBT及其共享标识符ID，因为这些信息可能会不时地发生变化。MCP客户端可以将这些信息保存在自己的数据库中（可能保存在语义搜索的矢量数据库中），并不时地从所有WBT中获取刷新的决策辅助数据，以保存新的WBT或更新现有WBT中的决策辅助数据。
5.5当开始创建“基于web的工具”（WBT）自动化流程时，“基于web工具创建者”（WBTC）+LLM代理应始终要求用户为此WBT提供WBT_automation_mode
- wbt_automation_mode=监督
- 在执行WBT之前需要人工批准
- wbt_automation_mode=自主
- LLM代理可以在没有人工授权的情况下执行WBT。例如，一些极其简单的WBT自动化，如从网站获取信息/数据（WBT_type=getting_data），风险低，不需要批准。
重要澄清\ WBT_type=submission_form和WBT_type=getting_data之间的区别在第5.0项中有很好的定义。但是当前的工作流/步骤主要集中在WBT_type=submission_form上。请更改工作流/步骤，以更好地适应WBT_type=getting_data类型，该类型可能需要也可能不需要身份验证，但它比submission_forms类型更简单，因为它不需要提交（按按钮）或填写任何表单字段，但请确保
- 还存在对应收集数据的字段的字段标识符id的请求
- 测试点部分，以确保这些字段及其内容确实存在，并且可以从网站上获取
- 确保您将从一个网站（url）或菜单项移动到网站上的循环想法，并使用该过程的循环部分创建多个 所需操作页面（ANP）检查项目 5.2.1参考，根据需要使用类似的概念命名约定和模式，但重点关注WBT_type=getting_data类型，作为基于web的创建者和执行者服务器的整体模型上下文协议（MCP）的一部分
“基于网络的工具执行器”（WBTE）
此时，基于网络的工具执行者的角色可能非常清楚。
LLM代理在用户消息（提示）、电子邮件、短信或任何其他类型的可能方式中识别，以触发要解决的问题，并搜索哪些可用的内存和/或工具能够解决问题。
它将使用当前MCP服务器工具的内存中引用及其“决策辅助数据”（可能每天一次，作业将获取所有MCP服务器工具及其“决策帮助数据”，并更新LLM代理/编排器的内存中参考）
如果选择特定的WBT工具作为问题解决过程的一部分来执行，LLM代理将请求所有必要的参数来执行该WBT，如果它是WBT_automation_mode=supervised WBT，LLM代理应使用其LLM内存，优先考虑最近添加的内存，以提出填充这些所需参数的最佳方法，共享工具和LLM代理计划使用的参数，以便运行工具，并要求用户批准、编辑或拒绝工具运行及其参数。
LLM代理和用户开始来回过程，以最终决定调用哪个工具和使用哪些参数。所有这些都会实时注册到问题流程表和记录中，这些表和记录是在发现问题后立即创建的。
当最终的MCP服务器工具及其参数被定义和批准后，LLM代理使用WBTE流程执行WBT，并将结果返回给LLM代理/MCP客户端，这意味着它应该返回一条提交错误消息、提交成功消息/这可能只是意味着页面、请求数据、表单验证错误（WBT工作流中断，需要更新/修复）
如果WBT_type=getting_data类型，则返回的数据应存储在问题表结构内数据库的jsonb列中。该问题的状态已更改为已解决，解决方案摘要=类似于保存在jsonb列中的收集数据。