#MCP 服务

Midscene 提供了 MCP 服务，允许 AI 助手通过自然语言命令控制浏览器，自动化执行 UI 任务，以及生成 Midscene 自动化脚本。

#使用场景

• 控制浏览器执行自动化任务
• 生成 Midscene 的自动化脚本

#使用示例

给 Sauce Demo 站点生成 Midscene 测试用例

#设置 Midscene MCP

#前提条件

1. OpenAI API 密钥或其他支持的 AI 模型提供商，更多信息请查看 选择 AI 模型。
2. 对于 Chrome 浏览器集成（桥接模式）：
   • 安装 Midscene Chrome 扩展（从 Chrome Web Extension 下载）
   • 在扩展中切换到"桥接模式"并点击"允许连接"

#配置

将 Midscene MCP 服务器添加到你的 MCP 配置中：

{
  "mcpServers": {
    "mcp-midscene": {
      "command": "npx",
      "args": ["-y", "@midscene/mcp"],
      "env": {
        "MIDSCENE_MODEL_NAME": "REPLACE_WITH_YOUR_MODEL_NAME",
        "OPENAI_API_KEY": "REPLACE_WITH_YOUR_OPENAI_API_KEY",
        "MCP_SERVER_REQUEST_TIMEOUT": "800000"
      }
    }
  }
}

有关配置 AI 模型的更多信息，请参阅选择 AI 模型。

#可用工具

Midscene MCP 提供以下浏览器自动化工具：

#导航

• midscene_navigate：在当前标签页导航到指定 URL
  参数： - url：要导航到的 URL

#标签页管理

• midscene_get_tabs：获取所有打开的浏览器标签页列表，包括它们的 ID、标题和 URL

  参数：无

• midscene_set_active_tab：通过 ID 切换到特定标签页

  参数： - tabId：要激活的标签页 ID

#页面交互

• midscene_aiTap：点击通过自然语言描述的元素

  参数： - locate：要点击元素的自然语言描述

• midscene_aiInput：在表单字段或元素中输入文本

  参数： - value：要输入的文本 - locate：要输入文本的元素的自然语言描述

• midscene_aiHover：悬停在元素上

  参数： - locate：要悬停元素的自然语言描述

• midscene_aiKeyboardPress：按下特定键盘按键

  参数： - key：要按下的按键（例如 'Enter'、'Tab'、'Escape'） - locate：（可选）在按键前要聚焦的元素描述 - deepThink：（可选）如果为 true，使用更精确的元素定位

• midscene_aiScroll：滚动页面或特定元素

  参数： - direction：'up'、'down'、'left' 或 'right' - scrollType：'once'、'untilBottom'、'untilTop'、'untilLeft' 或 'untilRight' - distance：（可选）以像素为单位的滚动距离 - locate：（可选）要滚动的元素描述 - deepThink：（可选）如果为 true，使用更精确的元素定位

#验证和观察

• midscene_aiWaitFor：等待页面上的条件为真

  参数： - assertion：要等待的条件的自然语言描述 - timeoutMs：（可选）最大等待时间（毫秒） - checkIntervalMs：（可选）检查条件的频率

• midscene_aiAssert：断言页面上的条件为真

  参数： - assertion：要检查的条件的自然语言描述

• midscene_screenshot：对当前页面截图

  参数： - name：截图的名称

#常见问题

#Midscene MCP 对比其他浏览器 MCP 有什么优势？

• Midscene MCP 默认支持了 Bridge 模式，能够直接控制你当前正在使用的浏览器，无需重新登录或者下载浏览器
• Midscene MCP 内置了对于浏览器页面控制和操作的最佳 Prompt 模板和操作执行实践，对比其他 MCP 实现，能够提供更加稳定和可靠的浏览器自动化体验
• Midscene MCP 执行完成任务后将会自动生成执行用例报告，随时可观看执行过程

#本地如果出现多个 Client 会导致 Server port 占用

问题描述

当用户在本地多个 Client （Claude Desktop、Cursor MCP、） 中同时使用了 Midscene MCP 将会出现端口占用导致服务报错

如何解决

• 将多余的 client 中的 MCP server 暂时先关闭
• 执行命令

# For macOS/Linux:
lsof -i:3766 | awk 'NR>1 {print $2}' | xargs -r kill -9

# For Windows:
FOR /F "tokens=5" %i IN ('netstat -ano ^| findstr :3766') DO taskkill /F /PID %i

#如何获取 Midscene 执行的报告

在每次执行完任务后都会生成 Midscene 任务报告，可以在命令行直接打开该 html 报告

# 将打开的地址替换为你的报告文件名
open report_file_name.html