Turbo-Browser-MCP - LLM向け高速Playwrightブラウザ自動化サーバー
Show HN: Turbo-Browser-MCP – Batch forms, DOM deltas and submit guards for MCP
Turbo-Browser-MCPは、PlaywrightベースのModel Context Protocol(MCP)サーバーです。25〜33個の細かいブラウザ操作を10個のバッチ化ツールに統合し、LLMのトークン消費とマルチターンの遅延を大幅に削減します。差分DOMスナップショット、React/Shadow DOM/iframe対応の1ターンでのフォーム一括入力、Base64を使わないディスクからの直接ファイルアップロード、並列タブセッション、ネットワークブロックプリセット、そしてデフォルトで有効なSubmitガードを備えています。ベンチマークでは、10フィールドのフォーム入力が11ターンから1ターンになり7倍高速化、48KiBのPDFアップロードでトークンを99.8%削減。ブラウザ操作エージェントの停滞を解消したい開発者に最適です。
標準的なMCPサーバーはスナップショットや入力のたびにLLMのラウンドトリップを要求しますが、Turbo-Browser-MCPは10フィールドのフォームをわずか1ターンで完了させ、ブラウザ実行を7倍高速化しつつ履歴再生のトークンも劇的に削減します。
- jonathanlydall
通常のユニットテストに加えて、私たちはPlaywrightを使ってElectronアプリをテストしており、エージェントがMCP経由でPlaywrightを使ってアプリを操作し、作業を検証したりバグを調査したりできるようにもしています。
DOMに対するテストの極端な脆さという過去の経験から、私はClaudeにアプリと一般的に対話するための「自動化API」を構築させました。LLMがPlaywrightでボタンをクリックしたり、手動でフォームに入力したりする代わりに、明確に定義されたAPIに対してスクリプトを実行します。このAPIには、Angularの「コントローラー」が「load」時に自身をアタッチし、「unload」時にデタッチするようにしています。
つまり、LLMはAPI経由で純粋なJavaScriptを使い、アプリとの対話にDOMを使う必要はほとんどありませんが、バグや視覚的な問題を調査する際には必要に応じてDOMのスナップショットを取ります。
これは私たちにとって非常にうまく機能しています。APIは(アプリの他の部分と同様に)TypeScriptで書かれているため、静的な型安全性が自動的に備わり、リグレッションを防いでくれます。
このアプローチのギャップは、ビュー自体が実際にはテストされていないことです。たとえば、ボタンを押したときに呼ばれるロジックが、システムを新しい画面に遷移させるなど正しいことを行うかはテストしていますが、ビューがボタンに正しくバインドされているかはテストしていません。しかし実際には、ビューのHTMLを自動テストできればよかったと思う状況はほとんどありませんでした。
- lubujackson
わあ、これは信じられないほど素晴らしいですね。
自社のMCPサーバーを構築した経験から、明確に定義されたツールがいかに重要かを深く実感しています。ツールの可用性と連携が近い将来の最重要(あるいは唯一の最重要)焦点になることは明らかで、モデル自体よりも重要です。
LLMがコードベースをgrepして必要な情報を少しずつ集める様子を見たことがあるなら、精密なツールがいかにモデルの能力を広げるかがわかるでしょう。もし今日のSonnetに5年後のツール群を与えたら、Fable 5.2を軽々と打ち負かすと思います。それほど劇的な違いです。
Anthropic/OpenAIはツールについて本当に重要なことを隠して、自社のハーネスに組み込み、ロックインを強制しようとしています。私たちはまだインターネットのAOL時代にいるのです。
- snake_doc
うーん、本当に以下とベンチマークすべきです
https://github.com/browser-use/browser-harness
https://github.com/anomalyco/browse
https://github.com/vercel-labs/agent-browser
答えはおそらくMCPサーバーではないでしょう。browse(anomalyco)は比較的新しいですが、他の2つは本番環境で実戦テスト済みです…。