返回知识中心
部署

浏览器自动化 MCP:协议究竟传递什么

区分 MCP 工具调用、浏览器状态与模型上下文。理解结构化结果、资源链接和错误通道,而不是把协议当成通用浏览器 API。

BotBrowser Team

浏览器自动化 MCP:协议究竟传递什么
文档中心

想直接进入 部署 文档吗?

这篇文章属于知识中心的指南库。若你要步骤化配置、参考说明和持续更新,请直接进入对应 docs 分区。

浏览器自动化 MCP 将 AI 应用连接到服务器提供的浏览器工具,并不把整个浏览器持续传给模型。工具调用指定操作名称并提供参数,回复则包含服务器选择返回的表示。即使回复只有一段简短摘要,Cookie、打开的标签页和页面内存也可能继续留在浏览器里。但协议不保证它们永远不外发:如果工具返回敏感状态,同一条协议通道也能承载这些数据。BotBrowser 可以通过兼容的启动器提供受控 Chromium 进程,但不负责提供 MCP 服务器,也不负责决定哪些结果进入模型上下文。

摘要

  • tools/list 描述可用工具,tools/call 按名称调用其中一个;两者都不定义通用浏览器动作词表。
  • JSON-RPC 的 id 用于关联请求和回复,不代表标签页、账号或浏览器上下文。
  • 工具结果可以携带文本、图片、音频、资源链接、嵌入资源和结构化 JSON。宿主决定这些内容如何进入模型。
  • 浏览器状态是否持久化、协议传了什么、模型看到了什么,是三个不同问题。回复短不代表浏览器会话短。
  • 协议错误与带 isError: true 的结果属于不同失败通道,任何一个都不能单独证明应用写入是否已经发生。

目录

宿主、客户端、服务器与浏览器分属不同责任层

MCP 架构规范 将宿主应用与其客户端、服务器分开。宿主管理 AI 集成和上下文聚合;客户端维护与一个服务器的连接,服务器通过这条连接提供能力。浏览器自动化服务器再用自己的实现控制浏览器。MCP 不替代浏览器自动化接口,也不描述服务器向下游发送的每一条命令。

因此,MCP 连接成立不等于浏览器配置正确。协议初始化成功说明连接完成了能力协商,不能证明实际 Chromium 可执行文件、profile 或页面状态。具体启动配置由 Puppeteer MCP 配置说明 处理;这些设置属于服务器实现,不属于标准 tools/call 消息封装。

这个区分反向也成立。浏览器可以正确渲染页面,但宿主可能没有把图片结果加入模型上下文。连接返回了一张截图,只证明工具产生了这个结果,不能证明某个模型读到了其中的像素。后者需要查看宿主实际如何组装上下文,以及支持哪些模态。AI 代理浏览器的启动与责任边界 区分了进程证据和代理可见结果;这里进一步区分连接两者的消息契约。

时序图区分客户端与 MCP 服务器之间的 tools/list 发现和 tools/call 调用、协议边界之外的浏览器动作,以及宿主选择模型上下文的步骤

图中展示的是责任关系,不是抓包结果。真实部署可以在本地或远程运行服务器。把服务器移出笔记本,改变的是浏览器和存储由哪里运行,并不让宿主失去对模型集成的控制。同样,使用本地服务器不代表输出始终留在本地:宿主仍可能把上下文送给远程模型服务。

部署问题因而不只是服务器在哪里,而是谁负责每份副本:浏览器状态目录、服务器结果、宿主保存的对话,以及后续模型请求。这些副本可能适用不同保留策略。MCP 的宿主、客户端、服务器架构划分了职责,却不为每种实现认证统一保留期限。

工具发现描述接口,不证明浏览器实现

工具规范 定义了用于发现工具的 tools/list。每个工具包含名称、输入 schema 和描述信息,也可以声明输出 schema 与注解。分页不能忽略:第一批回复可能包含游标,而不是全部目录。宿主如果不读取后续分页,即使连接正常,也可能只向模型展示部分能力。

inputSchema 描述可接受的参数,不证明服务器执行了应用授权,不证明页面元素仍然存在,也不证明有人批准了动作。例如,示意工具 fixture_read_status 可以接收一个公开测试页标识符。这个名称不是 MCP 标准;另一台服务器可以为同一项浏览器任务提供不同名称和参数结构。

描述能帮助模型选工具,却不是可执行保证。规范也提醒,不可信服务器提供的注解仍应视为不可信。工具被描述为只读,不等于获得了权限证明;应核对服务器的实际实现与权限,而不是因为发现元数据写了某个词,就把它提升成授权。

兼容性需要分三层判断:

层级检查的契约检查通过仍不能证明
协议客户端与服务器理解协商后的 MCP 消息某个具体浏览器工具存在
工具目录工具名称和 inputSchema 符合调用方预期浏览器处于预期会话
应用当前目标和获准动作符合任务传输成功就等于任务成功

即使协议版本没有变化,目录变化也可能改变模型选择。工具改名、扩大参数范围或修改描述,都会改变可用动作接口。随应用集成保留版本化目录,才能把失败调用对应到宿主实际发现的名称和 schema。笼统地说双方都支持 MCP,无法诊断某台服务器为什么拒绝某个参数。

浏览器工具还需要协议无法凭空提供的作用范围。如果服务器控制多个标签页,工具定义必须说明如何选中目标。请求 id 不能补上这一层。两个编号不同的请求不会因此自动进入两个隔离上下文。会话选择应由工具的文档语义、服务器配置或另一份应用契约明确规定。

调用与结果实际包含什么

tools/call 请求在 JSON-RPC 封装中提供 name 和 arguments。id 用来关联回复,在多个请求同时进行时也一样。它不是浏览器会话标识符,更不会自动要求新建 profile。下面是自有测试页的示意交换,不是捕获的流量,也不对应某个具名浏览器服务器的真实接口。

{
  "jsonrpc": "2.0",
  "id": 41,
  "method": "tools/call",
  "params": {
    "name": "fixture_read_status",
    "arguments": { "fixtureId": "public-status-7" }
  }
}

示意成功回复可以同时包含文本和机器可读内容:

{
  "jsonrpc": "2.0",
  "id": 41,
  "result": {
    "content": [{ "type": "text", "text": "The public fixture is ready." }],
    "structuredContent": { "ready": true, "pendingJobs": 0 },
    "isError": false
  }
}

回复中的 structuredContent 是服务器生成的 JSON 对象,不是模型的结构化输出功能,也不证明 LLM 验证过这些值。如果工具声明 outputSchema,规范要求服务器生成符合该 schema 的结构化输出,并建议客户端验证。宿主可以先检查,再把 pendingJobs 当作数字字段使用。但 schema 无法证明底层观测足够新或真实。

两种表示也可能互相矛盾。如果文字说测试页已就绪,结构化字段却是 ready: false,应认定结果不一致,而不是挑选更方便的那一半。应用需要事先声明解释规则,否则就应拒绝这个矛盾结果。结构验证之所以有价值,恰恰因为传输可以成功,而内容仍不适合任务。

结果结构图区分 content 中的文本图片音频和资源,以及旁侧的 structuredContent;outputSchema 约束 JSON 结构,但不证明浏览器观测真实

content 数组不只支持文本。图片与音频各有内容形式;资源链接指向的材料未必已经包含在回复中,嵌入资源则把内容放进结果。规范指出,工具返回的资源链接不一定出现在 resources/list 中。因此,目录里没有这个链接,不证明它无效;结果中有这个链接,也不证明链接内容已经被获取。

隐私审计必须区分这些事件:返回链接、获取资源、把内容送入模型,是三个步骤。只记录原始 tools/call 回复的审计可能漏掉后续资源读取。反过来,一条含截图 URI 的日志也不能证明图片字节进入过模型请求。应跟踪实际资源处理,而不是根据文件名估计披露。

浏览器状态有独立的生命周期

固定版本的 Playwright MCP 文档 提供了具体实现例子,而非通用规定。它介绍了保留登录状态的持久化 profile,以及关闭后不保留存储的隔离会话,也记录了在已连接客户端之间复用浏览器上下文的选项。这些是状态归属和存续时间的选择,不是 JSON-RPC 请求编号带来的效果。

服务器可以返回简短的可访问性快照,同时让浏览器保留 Cookie 和本地存储。即使工具从未明确返回这些值,后续调用仍可能看到受保留状态影响的页面。因此,模型可以在没有收到账号选择 Cookie 的情况下,收到该账号特有的页面信息。不把凭证放进回复,减少的是一条披露路径,不能据此把页面表示视为不含个人信息。

相反方向也需要考虑。范围很窄的只读页面工具,与能够执行代码或广泛检查网络的工具,可能暴露同一会话的不同部分。固定文档列出了能够显示请求头与正文的网络请求检查。敏感材料是否可见,取决于启用能力、实际请求和结果处理。不能因为协议里没有一个叫 cookies 的字段,就断言浏览器秘密不会经过 MCP。

应分别记录 MCP 连接、浏览器上下文、宿主对话这三个生命周期。关闭连接不是协议对另外两者销毁的通用承诺。持久化用户数据目录可能在进程重启后继续存在,已保存的对话也可能在目录删除后仍然存在。服务器的文档模式和宿主策略决定真实关系。

带账号的工作流应在调用工具前,把浏览器上下文分配给获准任务。如果服务器让多个客户端共用一个上下文,建立新连接本身不构成隔离。这是配置与归属问题,不是改写页面可见浏览器值的理由。BotBrowser 的 Playwright 集成文档 处理明确的可执行文件与 profile 传递,不承诺 MCP 客户端隔离,也不删除宿主对话记录。

先辨认错误通道,再决定是否重试

工具规范区分协议级错误与工具执行错误。未知工具或无效请求可以返回 JSON-RPC 错误;工具已经执行但遇到任务失败时,则可以返回带 isError: true 的结果。后者仍位于 result 封装中。如果把所有结果都当成浏览器动作成功,就丢掉了服务器提供的失败信息。

观测能确立的事实适当的应用决策
JSON-RPC error请求在错误所描述的协议或分派层失败重发前检查方法、工具目录和参数
result.isError: true工具报告执行失败阅读失败详情与工具动作语义
回复有效但缺少所需字段回复到达,但任务数据契约不完整拒绝缺失字段,不编造其值
动作开始后连接丢失调用方没有明确回复重复写入前核对应用的权威状态

错误分流图区分 JSON-RPC error、isError true 和没有回复;写入结果不确定时转向核实应用状态,而不是自动重试

最后一行是应用层推论,不是 MCP 的特殊保证。按钮触发服务器端修改之后、工具返回之前,连接可能断开。超时或没有回复都不能证明修改没有发生。对获准写入,应在可用时使用应用自己的状态查询或幂等机制。如果没有这类证据,就应由操作方解决不确定结果,而不是让代理猜测。

即使出现明确的工具错误,也要结合上下文。工具可能读了页面、尝试交互,然后在采集最终截图时失败。错误可能只描述截图步骤,不会撤销此前的交互。协议错误通道说明执行并非完全成功;留下了哪些效果,仍由工具语义和应用证据决定。把所有错误压缩成一个“可重试”布尔值,会丢失这项区别。

错误处理也会影响披露。失败回复可能包含成功回复没有的页面文字、控制台内容或诊断文件。除了正常输出,还应检查失败路径的输出策略。即使常规工具结果很短,把完整错误长期保存到对话里,仍可能增加一份账号数据副本。

选择表示方式与披露边界

固定版本 README 将 browser_snapshot 可访问性快照与 browser_take_screenshot 截图作为不同输出,并用配置控制回复表示。可访问性树适合名称、角色和控件引用;截图保留视觉布局。两者都不是浏览器状态的完整记录。截图可能漏掉捕获区域以外的内容,可访问性表示也不能被假定保留精确的视觉呈现。

应按获准决策选择表示。读取公开状态标签,可能只需要一个小型结构化值和观测上下文,而不是整页图片。布局对比需要视觉证据,不能只有一句“显示正确”。调查一条失败请求,需要的是相关且已脱敏的字段,而不是浏览器发出的所有请求。最小化应从服务器工具输出开始,而不是等宿主拿到全部数据后再裁剪。

服务器并非唯一控制点。宿主可以选择、重新组织或摘要返回内容,再加入模型上下文。应区分收到的工具结果与真正转发的材料。模型请求较短,不会抹掉服务器或宿主已经保存的完整文件。存储与转发需要各自的责任归属。

固定实现文档明确说明 Playwright MCP 不是安全边界,也把秘密替换描述为便利功能而非安全功能,把文件访问限制描述为防护约束而非安全沙箱。因此,不能把友好的工具封装理解为操作系统权限边界。部署权限应由真实的进程、文件系统与账号权限控制。

本地集成检查可以在自有测试页上提供公开状态标签、一个故意缺失的字段和一个无害资源链接,再分别检查原始 MCP 回复与宿主组装的上下文。通过检查,可以证明特定服务器在该配置下返回了预期表示、特定宿主转发了预期子集;不能认证所有启用工具、未知错误路径或另一宿主的保留策略。这里没有声称执行过这样的浏览器或 MCP 测试;示例和图形来自所引规范与已固定修订版的文档。

常见问题

MCP 与 Chrome DevTools Protocol 一样吗?

不一样。MCP 向 AI 应用的客户端暴露能力,浏览器服务器可以在下游使用自动化库或浏览器协议。MCP 封装不要求把所有下游命令与浏览器事件交给调用方。

返回资源链接,就说明模型收到了文件吗?

不一定。返回链接、后续获取、加入模型上下文是不同操作。应查看宿主的资源处理和真实模型请求,不能仅凭链接推断送达。

两个客户端可以安全共用浏览器上下文吗?

只有应用的任务与账号策略允许共享时才可以。独立 MCP 连接本身不建立独立存储、标签页或授权。共享上下文选项必须在浏览器状态层评估。

输出 schema 会让页面文字变得可信吗?

不会。outputSchema 约束结构化内容的形式,不能把页面指令变成权威,不能证明观测时效,也不能批准修改。Schema 验证与信任决策解决不同问题。

来源

实践结论

浏览器自动化 MCP 承载具名工具调用与选定的结果表示,不是浏览器的通用副本。检查发现到的 schema、验证回复结构,并区分执行失败与不确定的应用效果,才能正确解释结果。在连接带账号的浏览器前,应先明确哪些工具能暴露状态、宿主转发哪些输出,以及关闭连接后哪些副本仍然存在。

#Browser Automation MCP#MCP 工具#AI 代理#浏览器状态#隐私

本文属于指南: 浏览器部署与发布:运维决策地图

在 BotBrowser 里跑一遍同样的检查

加载 profile,让刚读到的这些信号在浏览器内部保持一致,并在正式上线前先在自己的机器上确认结果。