Browser Use MCP: automatizar o navegador com dados de acessibilidade

Para quem

Se quer que um modelo grande opere um navegador, e que o caminho predefinido seja os dados de acessibilidade estruturados do Puppeteer em vez de começar com um modelo de visão, este servidor encaixa. O texto oficial descreve-o como um serviço MCP leve que dá aos modelos capacidade de automatização do navegador, mais um modo de visão opcional para layouts complexos e elementos visuais.

Serve quem já tem Node.js 18 ou mais recente e usa VS Code, Cursor, Windsurf ou Claude Desktop. Sem Node.js 18+, ou se o cliente não puder adicionar um MCP do tipo command, não ligue ainda.

Não é um resumo de página só de leitura: a automatização inicia ou liga um navegador, lê a árvore de acessibilidade e, no modo de visão, pode processar informação visual mais pesada. O texto oficial diz que o predefinido não precisa de modelo de visão e consome sobretudo dados estruturados, mas há saída à rede e um processo de navegador local.

Concluir a primeira tentativa em 3 minutos

O caminho oficial recomendado é levantar @agent-infra/mcp-server-browser com npx. Pré-requisito: esta máquina já tem Node.js 18 ou mais recente.

No VS Code, o comando oficial é:

code --add-mcp '{"name":"browser","command":"npx","args":["@agent-infra/mcp-server-browser@latest"]}'

Isto regista um MCP chamado browser, comando npx, argumento @agent-infra/mcp-server-browser@latest. Depois recarregue o cliente e confirme que o serviço browser está ligado.

Em seguida faça uma chamada de baixo risco: use a capacidade de automatização deste serviço browser, siga o caminho predefinido dos dados de acessibilidade estruturados e não ligue o modo de visão. As páginas oficiais não escrevem nomes de ferramentas concretos, parâmetros nem URLs de exemplo, por isso chame só as ferramentas que o cliente mostra para este serviço browser. Não invente nomes de ferramentas que não aparecem, nem invente um URL para abrir. Sinal de sucesso: o cliente mostra browser como ligado e devolve um resultado estruturado com base na árvore de acessibilidade, não uma captura visual.

O texto oficial também tem a forma command em Cursor Settings -> MCP -> Add new MCP Server, e um arranque remoto com --port 8089; na primeira tentativa use só o comando VS Code acima. Não abra um segundo caminho em paralelo.

Casos de uso

Caso 1: automatizar o navegador com os dados de acessibilidade estruturados predefinidos. O texto oficial diz que dá capacidade de navegador ao modelo pelos dados de acessibilidade estruturados do Puppeteer, sem modelo de visão, e consome sobretudo dados estruturados para reduzir contexto. Use isto quando quiser que o modelo entenda controlos e estrutura de texto de uma página. O texto oficial não nomeia uma ferramenta concreta nem dá um sítio de exemplo; ao chamar, use só as ferramentas que o cliente mostra e que pertencem ao serviço browser, e defina o sucesso como receber dados de acessibilidade estruturados.

Caso 2: se os dados estruturados não chegarem, então considere o modo de visão opcional. O texto oficial diz que o modo de visão serve layouts complexos e elementos visuais, e que é opcional. Não escreve como o ligar, que modelo é preciso nem se grava em disco; só pode confirmar que existe capacidade de visão opcional. Não o trate como passo obrigatório da primeira tentativa nem assuma risco zero. Se o cliente não tiver uma explicação separada do interruptor de visão, a página oficial não descreveu por completo os passos de ativação; fique no caminho dos dados estruturados.

Limites

O pré-requisito é Node.js 18+. Os clientes nomeados oficialmente são VS Code, Cursor, Windsurf, Claude Desktop. O arranque remoto pode usar npx @agent-infra/mcp-server-browser --port 8089 e também passar DISPLAY=:0 para VNC ou um ecrã virtual; isso não é o caminho principal da primeira tentativa.

A automatização sai à rede, controla o navegador, pode abrir uma página que indicar e deixa rasto de navegação nesta máquina. O modo de visão opcional só entra quando os dados estruturados não bastam; o texto oficial não o descreve como sem rede nem como sem leitura local.

O texto oficial não escreve limite de ritmo nem anulação ou rollback. Fechar a janela do navegador ou parar o processo npx é a interrupção que pode fazer; para navegação ou introdução já ocorrida na página, não há anulação num clique.