Công cụ Bridge cho AI điều khiển phiên Chrome thực của bạn
chrome-bridge, từ Siropkin, là một máy chủ MCP cộng với tiện ích mở rộng Chrome được thiết kế để cung cấp cho các tác nhân AI quyền truy cập có kiểm soát vào phiên Chrome đang hoạt động của người dùng cho các tác vụ dựa trên trình duyệt. Nó cung cấp danh sách tab, truy xuất HTML/văn bản toàn trang, chụp màn hình và tự động hóa nhấp và gõ qua WebSocket cục bộ, cho phép định vị hóa do AI điều khiển và quy trình làm việc trong trang. Công cụ này nhắm đến các nhà phát triển và người dùng mạnh mẽ cần quyền truy cập phiên xác thực, thực tế trong khi giữ tất cả các xử lý cục bộ và không có dữ liệu telemetry.
Các nhiệm vụ nào bạn thực sự có thể sử dụng nó cho?
Công cụ này được hướng tới tự động hóa và phân tích dựa trên trình duyệt, cụ thể là ai-text-localization và các quy trình làm việc tương tự. Nó có thể liệt kê các tab mở và trả về URL hoặc tiêu đề của tab đang hoạt động, lấy văn bản hoặc HTML của toàn bộ trang để phân tích, chụp ảnh màn hình độ phân giải cao, và thực hiện các hành động nhấp và gõ để các đại lý có thể tương tác với các trường biểu mẫu hoặc điều hướng các trang. Các trường hợp sử dụng bao gồm trích xuất bản sao địa phương, kiểm tra trang có xác thực, và xác minh hình ảnh.
Các bản chụp trang và các hành động tự động hóa có đáng tin cậy không?
chrome-bridge tạo ra các đầu ra liên kết với trình duyệt trực tiếp, điều này giữ trạng thái đăng nhập và các tiện ích mở rộng; thực tế cơ bản đó có nghĩa là việc lấy HTML và ảnh chụp màn hình phản ánh trang thực tế như người dùng thấy. Ảnh chụp màn hình của tiện ích mở rộng và việc lấy toàn bộ trang hỗ trợ phân tích AI hình ảnh và văn bản, và các cú nhấp/gõ dựa trên trình duyệt hoạt động trên DOM thực tế. Tuy nhiên, hành vi động phía khách trên các ứng dụng một trang phức tạp vẫn có thể yêu cầu xem xét của con người về các hành động tự động hóa.
Các đầu vào nào nó chấp nhận và giới hạn của nó là gì?
Công cụ này chấp nhận phiên Chrome đang hoạt động làm bề mặt đầu vào của nó và cung cấp HTML trang, văn bản, và hình ảnh trở lại cho đại lý. Nó yêu cầu Google Chrome v117+ và Node.js v18+, và nó mong đợi các khách hàng nói ngôn ngữ Giao thức Ngữ cảnh Mô hình, vì vậy khả năng tương thích phụ thuộc vào một đại lý có khả năng MCP. Nó không phải là một sự thay thế không có đầu và không tạo ra các phiên trình duyệt tách biệt, điều này giới hạn các trường hợp sử dụng mà một môi trường tách biệt là bắt buộc.
Cài đặt có dễ tiếp cận không và quyền riêng tư được xử lý như thế nào?
Cài đặt sử dụng một Node CLI không phụ thuộc và một tiện ích mở rộng Chrome liên kết thông qua một WebSocket cục bộ, điều này giữ tất cả các xử lý trên máy. Tiện ích mở rộng hiển thị một lớp phủ viên thuốc kể lại các lệnh của đại lý, cung cấp phản hồi rõ ràng về các hành động. Nhà phát triển cho biết không có telemetry và việc thực thi là cục bộ, vì vậy các kiểm soát quyền riêng tư và việc kể lại rõ ràng giúp người dùng theo dõi và giới hạn những gì đại lý có thể làm.
Phù hợp cho các nhà phát triển cần truy cập trình duyệt xác thực trực tiếp
chrome-bridge là một lựa chọn thực tế cho các nhà phát triển và người dùng nâng cao cần tương tác dựa trên AI với một phiên trình duyệt đã xác thực hiện có và ưu tiên xử lý cục bộ. Nó yêu cầu các khách hàng có khả năng MCP và các môi trường Chrome và Node hiện tại, và các kết quả tự động nên được xác thực thủ công khi tương tác với các trang động hoặc nhạy cảm. Sử dụng nó như một công cụ phát triển để tăng cường, không thay thế, việc xác minh của con người trong các quy trình web.
