インストール
code --add-mcp '{"name":"browser","command":"npx","args":["@agent-infra/mcp-server-browser@latest"]}'向いている人
大規模モデルにブラウザを操作させたい、しかも最初からビジョンモデルではなく、デフォルトで Puppeteer の構造化アクセシビリティデータを使いたいなら、このサーバーが合います。公式は軽量 MCP サービスと書き、モデルにブラウザ自動化能力を与え、複雑なレイアウトや視覚要素向けの任意のビジョンモードも付けています。
Node.js 18 以上が既に入っており、VS Code、Cursor、Windsurf、または Claude Desktop を使っている人向けです。Node.js 18+ が無い、またはクライアントが command 型 MCP を追加できないなら、まだつながないでください。
読み取り専用のページ要約ではありません。ブラウザ自動化はブラウザを起動または接続し、アクセシビリティツリーを読み、ビジョンモードではより重い視覚情報も処理し得ます。公式はデフォルトでビジョンモデル不要、主に構造化データを消費すると明記していますが、外部通信とこのマシン上のブラウザプロセスはどちらもあります。
3 分で初回試行を終える
公式の推奨経路は npx で @agent-infra/mcp-server-browser を起動することです。前提条件：このマシンに Node.js 18 以上が既に入っていること。
VS Code では、公式が出しているコマンドは次です：
code --add-mcp '{"name":"browser","command":"npx","args":["@agent-infra/mcp-server-browser@latest"]}'
これで名前が browser の MCP が登録され、コマンドは npx、引数は @agent-infra/mcp-server-browser@latest です。実行後にクライアントを再読み込みし、browser サービスが接続済みか確認してください。
その後、低リスクな呼び出しを1回だけ行います。この browser サービスが提供するブラウザ自動化を使い、デフォルトの構造化アクセシビリティデータ経路を歩き、ビジョンモードは開かないでください。公式ページは具体的なツール名、引数、サンプル URL を書いていないので、クライアントがこの browser サービスについて示すツールだけを呼び出してください。出ていないツール名を自分で捏造せず、開く URL も捏造しないでください。成功の合図は、クライアントが browser を接続済みと表示し、視覚スクリーンショットではなくアクセシビリティツリーに基づく構造化結果を返すことです。
公式には Cursor Settings -> MCP -> Add new MCP Server の command の書き方と、--port 8089 でのリモート起動もあります。初回は上の VS Code コマンドだけを使い、並行してもう一つの経路を開かないでください。
使用例
例 1：デフォルトの構造化アクセシビリティデータでブラウザ自動化する。公式は、Puppeteer の構造化アクセシビリティデータでモデルにブラウザ能力を与え、ビジョンモデル不要で、主に構造化データを消費してコンテキストを減らすと明記しています。モデルにページ上のコントロールとテキスト構造を理解させたいときはこの経路です。公式は具体的なツールを名指しせず、サンプルサイトも出していません。呼び出すときはクライアントが示す、browser サービスに属するツールだけを使い、成功基準は構造化アクセシビリティデータを受け取ることです。
例 2：構造化データでは足りないとき、任意のビジョンモードを検討する。公式はビジョンモードを複雑なレイアウトと視覚要素向けの任意項目だと書いています。公式は起動方法、必要なモデル、ディスク書き込みの有無を書いていません。よって任意のビジョン能力があることだけ確認できます。初回必須ステップにせず、ゼロリスクとも仮定しないでください。クライアントに単独のビジョンスイッチ説明が無いなら、公式ページが有効化手順を書き切っていないということです。構造化データ経路に止まってください。
使用上の境界
前提は Node.js 18+ です。公式が名指しするクライアントは VS Code、Cursor、Windsurf、Claude Desktop です。リモート起動は npx @agent-infra/mcp-server-browser --port 8089 を使え、VNC や仮想ディスプレイ向けに DISPLAY=:0 も付けられます。これらは初回試行の主経路ではありません。
ブラウザ自動化は外部通信し、ブラウザを制御し、指定したページを開く可能性があり、このマシンに閲覧痕跡も残します。任意のビジョンモードは構造化データが足りないときだけ使います。公式はそれをネットワーク無し、またはローカル読み取り無しとは書いていません。
公式はレート制限も、取り消しやロールバックも書いていません。ブラウザウィンドウを閉じるか npx プロセスを止めることが、できる中断方法です。ただしページ上ですでに起きたナビゲートや入力について、公式はワンクリック取り消しを出していません。