
Browserbase MCP-server
Browserbase MCP-server möjliggör för AI-agenter och LLM:er att kontrollera och automatisera molnbaserade webbläsare, utföra dataextraktion, ta skärmdumpar, över...
Aktivera AI-driven webbläsarautomatisering, web scraping och levande webbkontext med browser-use MCP-serverintegrationen för FlowHunt.
browser-use MCP-servern (Model Context Protocol) gör det möjligt för AI-agenter att styra webbläsare programmatiskt med hjälp av browser-use-biblioteket. Denna server fungerar som en brygga mellan AI-assistenter och webbläsare och möjliggör automatiserad surfning, webbdatautvinning och interaktion med webbplatser direkt från utvecklingsmiljöer såsom Cursor. Genom att exponera webbläsarautomatisering för AI-agenter effektiviseras arbetsflöden som webbsökning, innehållsskrapning, formulärifyllning och navigering av webbplatser – allt under programmatisk kontroll. Detta förbättrar utvecklingen genom att automatisera repetitiva webbarbetsuppgifter och ge realtidswebbkontext till AI-assistenter.
Inga promptmallar nämns eller dokumenteras i arkivet.
Inga uttryckliga resurser är dokumenterade eller listade i arkivet.
Verktyg är inte uttryckligen dokumenterade i root eller huvud-README, och server.py är inte direkt exponerad i strukturen. Ingen detaljerad verktygslista finns tillgänglig från offentlig dokumentation.
windsurf.config.json
).mcpServers
:{
"mcpServers": {
"browser-use": {
"command": "npx",
"args": ["@browser-use/mcp-server@latest"]
}
}
}
{
"mcpServers": {
"browser-use": {
"command": "npx",
"args": ["@browser-use/mcp-server@latest"]
}
}
}
.cursor/config.json
).{
"mcpServers": {
"browser-use": {
"command": "npx",
"args": ["@browser-use/mcp-server@latest"]
}
}
}
{
"mcpServers": {
"browser-use": {
"command": "npx",
"args": ["@browser-use/mcp-server@latest"]
}
}
}
{
"mcpServers": {
"browser-use": {
"command": "npx",
"args": ["@browser-use/mcp-server@latest"],
"env": {
"API_KEY": "${API_KEY}"
},
"inputs": {
"api_key": "${API_KEY}"
}
}
}
}
Använda MCP i FlowHunt
För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:
Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion lägger du in dina MCP-serverdetaljer med detta JSON-format:
{
"browser-use": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
När du har konfigurerat är AI-agenten nu redo att använda denna MCP som ett verktyg med tillgång till alla dess funktioner och kapabiliteter. Kom ihåg att ändra “browser-use” till det faktiska namnet på din MCP-server och byt ut URL:en mot din egen MCP-server-URL.
Sektion | Tillgänglighet | Detaljer/Noteringar |
---|---|---|
Översikt | ✅ | |
Lista över prompts | ⛔ | Inga funna |
Lista över resurser | ⛔ | Inga funna |
Lista över verktyg | ⛔ | Inte uttryckligen listade |
Skydda API-nycklar | ✅ | Exempel finns |
Stöd för sampling (mindre viktigt i utvärdering) | ⛔ | Ej omnämnt |
Mellan de två tabellerna:
Denna MCP-server tillhandahåller det väsentliga för webbläsarautomatisering i AI-sammanhang och är väl underhållen, men saknar djupgående dokumentation om tillgängliga prompts, resurser och verktyg. För kärnanvändning (webbläsarkontroll) är den mycket värdefull, men dokumentationsbristen drar ner betyget.
Har LICENS | ✅ (MIT) |
---|---|
Har åtminstone ett verktyg | ⛔ (Inte listat) |
Antal forks | 70 |
Antal stjärnor | 571 |
Samlat betyg:
6/10 (utmärkt för grundläggande webbläsarautomatisering, men dokumentation om avancerade MCP-koncept och verktyg saknas; skulle vara högre med fler implementeringsdetaljer exponerade).
Browser-use MCP-servern låter AI-agenter styra webbläsare programmatiskt med hjälp av browser-use-biblioteket. Detta möjliggör automatiserad surfning, web scraping, formulärinteraktioner och åtkomst till levande data, vilket förbättrar AI-arbetsflöden i FlowHunt och kompatibla verktyg.
Vanliga användningsområden inkluderar automatiserad webbsurfning, utvinning av strukturerad eller ostrukturerad data från webbplatser, ifyllning och inlämning av webbformulär, körning av webbläsarbaserade tester och tillhandahållande av uppdaterad webbkontext till AI-agenter.
Använd miljövariabler i din konfiguration. Exempel: { "env": { "API_KEY": "${API_KEY}" }, "inputs": { "api_key": "${API_KEY}" } }.
Lägg till en MCP-komponent i ditt FlowHunt-flöde, öppna dess konfiguration och lägg in dina MCP-serverdetaljer i det angivna JSON-formatet. Exempel: { "browser-use": { "transport": "streamable_http", "url": "https://yourmcpserver.example/pathtothemcp/url" } }.
6/10. Den är utmärkt för webbläsarautomatisering och underhålls aktivt, men saknar fullständig dokumentation om avancerade prompts, resurser och verktygsexponering.
Ta med realtidswebbinteraktion och automatisering till dina AI-arbetsflöden. Integrera browser-use MCP-server i FlowHunt för smidig webbläsarkontroll och datautvinning.
Browserbase MCP-server möjliggör för AI-agenter och LLM:er att kontrollera och automatisera molnbaserade webbläsare, utföra dataextraktion, ta skärmdumpar, över...
ModelContextProtocol (MCP) Server fungerar som en brygga mellan AI-agenter och externa datakällor, API:er och tjänster, vilket gör det möjligt för FlowHunt-anvä...
Model Context Protocol (MCP) Server kopplar samman AI-assistenter med externa datakällor, API:er och tjänster, vilket möjliggör smidig integrering av komplexa a...