MCP-硒元素测试框架
项目介绍
MCP Selenium
一个全面的Model Context Protocol (MCP)服务器实现，用于Selenium WebDriver，通过标准化的MCP客户端（如Claude Desktop和其他兼容MCP的应用程序）实现高级浏览器自动化。
这使得AI助手能够使用80多种自动化工具来编程控制网络浏览器。
<img style="display: inline-block;" src="https://img.shields.io/npm/v/@sirblob/mcp-selenium"> <img style="display: inline-block;" src="https://img.shields.io/npm/dt/@sirblob/mcp-selenium" > <img style="display: inline-block;" src="https://img.shields.io/github/issues/SirBlobby/mcp-selenium" >安装
使用npm安装包：
npm install @sirblob/mcp-selenium
使用pnpm安装包：
pnpm install @sirblob/mcp-selenium
使用方法
添加到您的MCP客户端配置中：
{
"mcpServers": {
"selenium": {
"command": "npx",
"args": ["-y", "@sirblob/mcp-selenium"]
}
}
}
支持的浏览器
- Chrome - 包括无头模式在内的全部功能支持
- Firefox - 包括无头模式在内的全部功能支持
- Edge - 包括无头模式在内的全部功能支持
- Safari - 基本功能支持（选项有限）
可用工具
浏览器管理
- start_browser - 启动浏览器（Chrome、Firefox、Edge或Safari），可选配置
- navigate - 导航到指定URL
- close_session - 关闭当前浏览器会话
- get_browser_status - 获取当前浏览器会话的状态
元素查找与交互
- find_element - 使用各种定位策略查找元素
- click_element - 点击元素
- send_keys - 向元素发送文本输入（打字）
- get_element_text - 获取元素的文本内容
- get_element_source - 获取元素及其所有子元素的HTML源代码
- upload_file - 使用文件输入元素上传文件
- find_elements_by_xpath - 使用XPath查找多个元素
- scroll_to_element - 滚动以使元素可见
- highlight_element - 调试时高亮显示元素
- find_parent_element - 查找给定元素的父元素
- find_sibling_element - 查找给定元素的兄弟元素
下拉列表元素工具
- select_option_by_text - 根据可见文本选择下拉列表中的选项
- select_option_by_value - 根据值属性选择下拉列表中的选项
- select_option_by_index - 根据索引选择下拉列表中的选项
- get_select_options - 获取下拉列表中的所有可用选项
- get_selected_option - 获取下拉列表中当前选定的选项
表格元素工具
- get_table_data - 提取表格元素中的所有数据
- get_table_cell - 根据行和列获取特定单元格的内容
- click_table_cell - 根据行和列点击特定单元格
- get_table_row_count - 获取表格中的行数
- get_table_column_count - 获取表格中的列数
- find_table_row_by_text - 查找包含特定文本的表格行
列表元素工具
- get_list_items - 获取列表元素（ul或ol）中的所有项目
- get_list_item - 根据索引获取特定列表项
- click_list_item - 根据索引点击特定列表项
- click_list_item_by_text - 点击包含特定文本的列表项
- find_list_item_by_text - 查找包含特定文本的列表项的索引
- get_list_item_count - 获取列表中的项目数量
- get_nested_lists - 获取列表内嵌套列表的信息
- filter_list_items - 根据文本标准过滤列表项
元素状态和属性
- get_element_attribute - 获取元素的属性值
- get_element_css_property - 获取元素的CSS属性值
- is_element_displayed - 检查元素是否可见
- is_element_enabled - 检查元素是否启用/可交互
- is_element_selected - 检查元素是否被选中（复选框、单选按钮）
鼠标和键盘交互
- hover - 将鼠标移动到元素上悬停
- hover_element - 元素交互的另一种悬停命令
- drag_and_drop - 将元素拖放到另一个位置
- double_click - 双击元素
- right_click - 右键点击元素（上下文菜单）
- send_key_combination - 发送键盘组合（Ctrl+C, Alt+Tab等）
- press_key - 模拟按下单一键盘键
页面操作
- take_screenshot - 捕获当前页面的截图，并将其保存到当前目录，带有时间戳
- get_page_title - 获取当前页面标题
- get_title - 获取当前页面标题的另一种方法
- get_current_url - 获取当前页面的URL
- get_page_source - 获取页面的完整HTML源代码
- page_source - 获取页面完整HTML源代码的另一种方法
- refresh_page - 刷新当前页面
- go_back - 在浏览器历史记录中后退
- go_forward - 在浏览器历史记录中前进
JavaScript执行
- execute_javascript - 在浏览器中执行JavaScript代码
- execute_async_javascript - 执行异步JavaScript并支持回调
滚动
- scroll_to_element - 滚动以使元素可见
- scroll_element_into_view - 将元素滚动到视图中的另一种方法
- scroll_by_pixels - 按指定像素数滚动
- scroll_to_coordinates - 滚动到页面上的特定坐标
- scroll_to_top - 滚动到页面顶部
- scroll_to_bottom - 滚动到页面底部
窗口管理
- get_window_size - 获取当前窗口尺寸
- set_window_size - 设置窗口大小
- maximize_window - 最大化浏览器窗口
- get_window_handles - 获取所有打开的窗口句柄
- switch_to_window - 通过句柄切换到特定窗口
- switch_to_window_by_title - 通过标题切换到窗口/标签页
- switch_to_window_by_url - 通过URL切换到窗口/标签页
- close_window - 关闭当前窗口
- switch_to_frame - 通过ID或名称切换到框架
- switch_to_default_content - 切换回主文档
Cookie管理
- get_cookies - 获取当前域的所有cookie
- add_cookie - 添加新的cookie
- delete_cookie - 删除特定的cookie
- delete_all_cookies - 删除所有cookie
XPath工具
- evaluate_xpath - 评估XPath表达式并返回结果
- count_elements_by_xpath - 计算匹配XPath表达式的元素数量
- get_xpath_text_content - 获取匹配XPath的元素的文本内容
- get_element_source_by_xpath - 获取匹配XPath的元素的HTML源代码
- get_element_xpath - 获取元素的XPath
- get_elements_xpath - 获取多个元素的XPath表达式
- get_element_attribute_by_xpath - 使用XPath从元素获取属性值
- find_element_by_xpath_attribute - 根据XPath和属性值查找元素
- find_element_by_xpath_index - 根据XPath在特定索引处查找元素
- click_element_by_xpath_text - 点击包含特定文本的XPath找到的元素
高级元素操作
元素状态和属性
- get_element_attribute - 获取元素的属性值
- get_element_css_property - 获取元素的CSS属性值
- is_element_displayed - 检查元素是否可见
- is_element_enabled - 检查元素是否启用/可交互
- is_element_selected - 检查元素是否被选中（复选框、单选按钮）
配置参数
浏览器选项
通过可选参数配置浏览器行为：
{
"headless": false,
"arguments": ["--window-size=1920,1080", "--disable-web-security", "--disable-dev-shm-usage"]
}
常见浏览器参数：
--headless=new- 在无头模式下运行（Chrome/Edge）--window-size=width,height- 设置初始窗口大小--disable-web-security- 禁用CORS限制--disable-dev-shm-usage- 解决资源问题--no-sandbox- 禁用沙箱（容器化环境中有用）--disable-gpu- 禁用GPU硬件加速
定位策略
多种方式在页面上查找元素：
- id - 根据元素ID查找（
<div id="myElement">） - css - 根据CSS选择器查找（
div.class-name,#id-name） - xpath - 根据XPath表达式查找（
//div[@class='example']） - name - 根据名称属性查找（
<input name="username">） - tag - 根据HTML标签名查找（
div,span,input） - class - 根据类名查找（
class-name）
超时配置
大多数工具接受可选的timeout参数（默认：10000ms）：
{
"by": "id",
"value": "submit-button",
"timeout": 15000
}
要求
- Node.js 22+
- npm 或 pnpm
- 浏览器驱动程序（由Selenium自动管理）
- TypeScript 5.0+（开发依赖）
故障排除
常见问题
- 驱动未找到：Selenium自动下载驱动程序，但确保已安装目标浏览器
- 权限错误：在Linux上，可能需要安装浏览器包（
chromium-browser,firefox等） - 超时错误：对于加载缓慢的页面，增加超时值
- 无头模式问题：某些功能在无头模式下可能无法正常工作（文件上传、某些交互）
平台特定说明
- macOS：Safari需要在Safari偏好设置中启用自动化
- Linux：可能需要额外的依赖项以支持GUI浏览器
- Windows：应与标准浏览器安装一起开箱即用
许可证
MIT许可证 - 详情见LICENSE文件。