สะพานที่เปิดเผยการทำงานอัตโนมัติของเบราว์เซอร์ Codex Desktop ต่อผู้ใช้ MCP
codex-browser-bridge, จาก DeliciousBuding, เป็นเซิร์ฟเวอร์ MCP ท้องถิ่นที่เปิดเผยความสามารถของเบราว์เซอร์ Codex Desktop ให้กับตัวแทน AI อื่น ๆ สำหรับงานอัตโนมัติที่ใช้เบราว์เซอร์ สะพานนี้ช่วยให้ตัวแทนภายนอกสามารถควบคุม Chrome ได้อย่างเป็นโปรแกรมเพื่ออ่าน, โต้ตอบกับ, และแก้ไขเนื้อหาเว็บแบบเรียลไทม์ มันรองรับเครื่องมืออัตโนมัติที่ละเอียด, การเข้าถึง DOM และต้นไม้การเข้าถึง, และการแก้ไขที่สร้างไว้ในตัว นักพัฒนา, วิศวกรการแปลภาษา, และนักวิจัย AI ที่รวมลูกค้า MCP เข้ากับท่อส่งท้องถิ่นจะได้รับการเข้าถึงในเบราว์เซอร์โดยตรงสำหรับการสกัดข้อมูลและการทำงานกับข้อมูล.
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
สะพานทำหน้าที่เป็นชั้นการรวมที่ช่วยให้ตัวแทนที่เปิดใช้งาน MCP สามารถทำงานที่เน้นเบราว์เซอร์ ไม่ใช่การรวบรวมข้อมูลแบบสแตนด์อโลน มันเปิดเผยห้องสมุดของ 52 เครื่องมือเฉพาะทาง สำหรับการกระทำที่มุ่งเป้า และมันให้การเข้าถึง DOM และต้นไม้การเข้าถึงด้วยการค้นหาบทบาทและชื่อ ARIA การใช้งานทั่วไป ได้แก่ การดึงข้อความในหน้า การขูดข้อมูลที่ตระหนักถึงการเข้าถึง และการโต้ตอบที่เขียนสคริปต์ เช่น การป้อนข้อมูลในฟอร์มและการอ่านตารางที่ดำเนินการโดยตัวแทนภายนอก.
การโต้ตอบของเครื่องมือมีความเชื่อถือได้และตอบสนองได้ดีเพียงใด?
ประสิทธิภาพมุ่งเน้นไปที่การแลกเปลี่ยนระหว่างตัวแทนกับเบราว์เซอร์ที่มีความหน่วงต่ำ ขอบคุณการใช้งาน ที่ใช้ Rust ซึ่งนักพัฒนาระบุว่าเป็นสถาปัตยกรรมที่มีประสิทธิภาพสูง สะพานสนับสนุนการกระทำแบบโต้ตอบ เช่น การคลิก การพิมพ์ และการเลื่อนโดยใช้ตัวเลือก CSS หรือพิกัด ซึ่งให้การควบคุมที่ละเอียดซึ่งลดการพึ่งพาอาศัยอัลกอริธึมที่เปราะบาง ความเชื่อถือได้ขึ้นอยู่กับคุณภาพของตัวเลือกและคำสั่งของตัวแทน เนื่องจากเครื่องมือดำเนินการตามการกระทำกับ DOM ของหน้าเว็บที่มีชีวิต.
ข้อกำหนดการป้อนข้อมูล ข้อจำกัดของแพลตฟอร์ม และข้อจำกัดในการปรับใช้มีอะไรบ้าง?
เครื่องต้องการสภาพแวดล้อม Windows เพราะมันเชื่อมต่อผ่าน Windows Named Pipes กับสะพาน Codex Desktop มันต้องการลูกค้าที่เข้ากันได้กับ MCP และสภาพแวดล้อม Node.js หรือ Rust สำหรับการสร้างหรือการดำเนินการ ไม่มีการติดตั้ง WebDriver แยกต่างหากหรือการคัดลอกโปรไฟล์เบราว์เซอร์ ดังนั้นการปรับใช้จึงมุ่งเน้นไปที่การรวมสะพานเข้ากับการตั้งค่า Codex Desktop ที่มีอยู่และตัวแทนที่สามารถใช้งาน MCP แทนที่จะติดตั้งไดรเวอร์เบราว์เซอร์เพิ่มเติม.
มันจัดการกับความเป็นส่วนตัว ความปลอดภัย และการดำเนินการอย่างปลอดภัยอย่างไร?
ฟีเจอร์ด้านความปลอดภัยมุ่งเป้าไปที่บริบทเบราว์เซอร์ที่ละเอียดอ่อนเมื่อแชร์กับโมเดลภาษา: ค่าคุกกี้และพารามิเตอร์ URL ที่ละเอียดอ่อนจะถูกลบออกโดยอัตโนมัติ และสะพานรวมถึงการป้องกันการเดินทางในเส้นทางพร้อมกับการตรวจสอบความปลอดภัยในการนำทาง มันยังเปิดเผยทรัพยากรแท็บที่ใช้งานอยู่ผ่าน URI codex://tabs ซึ่งรวมศูนย์สิ่งที่ตัวแทนสามารถเห็น; การควบคุมเหล่านี้กำหนดสิ่งที่ข้อมูลออกจากสภาพแวดล้อมท้องถิ่นเมื่อมีการร้องขอบริบทของหน้าโดยตัวแทน.
ใครควรนำสะพานไปใช้และจะใช้อย่างรับผิดชอบได้อย่างไร
สะพานเหมาะสำหรับทีมที่มองว่าการควบคุมเบราว์เซอร์เป็นโครงสร้างพื้นฐานและสามารถจัดการเครื่องมือพัฒนาในท้องถิ่นได้ นำไปใช้เมื่อคุณต้องการการเข้าถึงบริบทในเบราว์เซอร์ที่ขับเคลื่อนด้วยโปรแกรมและเตรียมพร้อมที่จะตรวจสอบผลลัพธ์ของตัวแทนผ่านขั้นตอนการควบคุมคุณภาพที่มีอยู่ คาดหวังให้เป็นกระบวนการทำงานของนักพัฒนามากกว่าการทำงานอัตโนมัติแบบสำเร็จรูป และวางแผนที่จะรวมการตรวจสอบจากมนุษย์สำหรับผลลัพธ์การแปลหรือการดึงข้อมูลใด ๆ ก่อนที่จะเผยแพร่.
