Was macht ai-browser-tutorial?
Steuere einen Chrome-Browser mit KI über das MCP-Protokoll, um Webaufgaben zu automatisieren und teure API-Gebühren zu umgehen.
Übersicht
Dieses Skill ermöglicht es KI-Agenten, einen Chrome-Browser programmatisch zu steuern. Es ist ideal für:
- Automatisierte Datenextraktion von Webseiten
- Ausfüllen und Absenden von Formularen
- Navigation durch mehrere Seiten
- Interaktion mit dynamischen Elementen (z. B. JavaScript-generierte Inhalte)
- UI-Tests und Überwachung
Funktionsweise
Der Skill nutzt das MCP (Model Context Protocol), um Chrome über die Chrome DevTools Protocol (CDP) Schnittstelle zu steuern. Die Kommunikation erfolgt bidirektional, sodass der KI-Agent Aktionen im Browser ausführen und Ergebnisse empfangen kann.
Voraussetzungen
- Ein installierter Chrome-Browser (oder Chromium)
- Node.js (Version 18 oder höher)
- MCP-kompatibler KI-Agent (z. B. Claude Code, Cursor, Codex)
Installation
- Klone das Repository:
git clone https://github.com/martinez9388/ai-browser-tutorial.git
cd ai-browser-tutorial
- Installiere die Abhängigkeiten:
npm install
- Konfiguriere die Umgebungsvariablen (optional):
| Variable | Beschreibung | Standardwert |
|---|---|---|
CHROME_PATH | Pfad zur Chrome-Executable | Automatisch erkannt |
MCP_PORT | Port für den MCP-Server | 8080 |
Verwendung
Starte den MCP-Server:
npx mcp-server-chrome
Verknüpfe deinen KI-Agenten mit diesem Server (z. B. in der Konfiguration deines Agenten).
Beispiel-Befehle
- Öffne eine URL
mcp_execute action="navigate" url="https://example.com"
- Extrahiere Text von der Seite
mcp_execute action="getText"
- Klicke auf einen Button
mcp_execute action="click" selector="#submit-button"
- Fülle ein Formularfeld aus
mcp_execute action="fill" selector="#username" value="meinBenutzer"
Lizenz
Dieses Projekt ist unter der MIT-Lizenz lizenziert – siehe die LICENSE-Datei für Details.
Support
Bei Fragen oder Problemen erstelle bitte ein Issue im GitHub-Repository.