1. 服务概述一句话简介:使用Google Gemini 2.5 Computer Use API实现AI驱动的Web浏览器自动化服务名称:Gemini Web Automation MCP版本号:最新版本开发者/提供方:vincenthopf协议类型:MCP (Model Context Protocol)2. 核心功能该MCP服务提供7个生产就绪的工具,支持13种浏览器操作:核心工具browse_web:同步Web浏览,立即完成任务(适用于10秒内完成的任务)start_web_task:在后台启动长时间运行的任务check_web_task:监控任务进度,支持紧凑/详细模式stop_web_task:取消正在运行的后台任务list_web_tasks:查看所有活动和已完成的任务get_web_screenshots:检索每个步骤捕获的截图wait:暂停执行1-60秒,用于速率限制和轮询延迟关键特性13种浏览器操作:点击、输入、滚动、导航、拖放、键盘快捷键等实时进度跟踪:带时间戳的事件和推荐轮询间隔4-5倍性能提升:条件等待、快速页面加载、优化截图捕获安全决策框架:防止未授权操作会话组织:唯一标识符用于跟踪3. 使用场景该服务适合在以下情况下使用:Web浏览自动化:AI代理像人类用户一样与网站交互表单填写:自动填写Web表单数据提取:从网站提取信息价格比较:在多个网站上比较价格研究任务:自动化研究和信息收集多步骤工作流:执行复杂的多步骤Web操作航班搜索:搜索航班并比较价格产品研究:研究和比较产品信息4. 接入方式4.1 服务端点本地运行的MCP服务器,通过uvx或本地开发方式运行。4.2 认证与权限需要Gemini API密钥进行认证。在环境变量中配置GEMINI_API_KEY。4.3 数据格式使用JSON格式进行数据交换。所有响应包含状态、数据和进度信息。4.4 服务器配置方式一:使用UVX(推荐){ mcpServers: { computer-use: { command: uvx, args: [computer-use-mcp], env: { GEMINI_API_KEY: your_api_key_here } } } }方式二:本地开发git clone https://github.com/vincenthopf/computer-use-mcp.git cd computer-use-mcp uv sync playwright install chromium cp .env.sample .env # 编辑.env文件,添加GEMINI_API_KEY uv run mcp dev server.py方式三:直接从Git安装{ mcpServers: { computer-use: { command: uvx, args: [--from, githttps://github.com/vincenthopf/computer-use-mcp.git, computer-use-mcp], env: { GEMINI_API_KEY: your_api_key_here } } } }5. 接口定义5.1 同步工具 - browse_web参数类型必需说明taskstring是自然语言描述要完成的任务urlstring否起始URL(默认为Google)返回值:ok: 成功状态data: 任务完成消息和结果session_id: 唯一会话标识符screenshot_dir: 保存截图的路径progress: 完整的进度历史5.2 异步工具 - start_web_task参数类型必需说明taskstring是自然语言任务描述urlstring否起始URL返回值:ok: 任务启动成功task_id: 用于检查进度的唯一IDstatus: 初始状态为running5.3 进度检查 - check_web_task参数类型必需说明task_idstring是来自start_web_task的任务IDcompactboolean否仅返回摘要(默认:true)5.4 其他工具工具名称功能主要参数wait暂停执行seconds (1-60秒)stop_web_task取消运行的任务task_idlist_web_tasks列出所有任务无get_web_screenshots检索截图session_id6. 快速开始6.1 环境要求Python:3.10或更高版本UV包管理器:安装UVGemini API密钥:获取API密钥Playwright浏览器:需要安装Chromium6.2 安装步骤# 安装Playwright浏览器 playwright install chromium # 验证安装 uv run python3 test_server.py6.3 配置文件创建.env文件:# Gemini API配置 GEMINI_API_KEYyour_api_key_here GEMINI_MODELgemini-2.5-computer-use-preview-10-2025 # 浏览器配置(推荐值,不要修改) SCREEN_WIDTH1440 SCREEN_HEIGHT900 HEADLESSfalse6.4 使用示例同步工作流示例:result browse_web( taskGo to Amazon and find the top 3 gaming laptops with prices, urlhttps://www.amazon.com )异步工作流示例:# 步骤1: 启动任务 result start_web_task( taskResearch top 10 AI companies and compile details, urlhttps://www.google.com ) # 步骤2: 等待并检查进度 wait(5) status check_web_task(task_idabc-123-def, compacttrue) # 步骤3: 获取最终结果 final check_web_task(task_idabc-123-def)7. 注意事项性能优化4-5倍性能提升:通过条件等待(0.3-3秒)、快速页面加载、每轮单次截图实现90%上下文减少:使用紧凑进度模式优化分辨率:1440x900是Gemini推荐的分辨率浏览器操作支持操作描述navigate导航到URLclick点击元素type输入文本scroll滚动页面drag-and-drop拖放操作keyboard shortcuts键盘快捷键安全特性安全决策框架:实现Gemini的安全决策确认框架防止未授权操作:自动阻止危险操作会话隔离:每个任务独立会话最佳实践同步vs异步:10秒内完成的任务使用browse_web,长时间任务使用异步工作流进度检查:使用紧凑模式减少上下文使用速率限制:使用wait工具在状态检查之间暂停截图验证:使用get_web_screenshots验证任务执行架构说明系统采用分层架构:MCP客户端:Claude Desktop等MCP兼容客户端FastMCP服务器:7个工具的MCP服务器BrowserTaskManager:管理异步任务队列和状态跟踪GeminiBrowserAgent:执行浏览器自动化循环Gemini API Playwright:视觉分析和浏览器控制许可证MIT许可证