Браузеры

Rove MCP

noncelogic

MCP-сервер Rove — это хостинг Playwright, созданный для AI-агентов. Он работает как посредник между агентом и браузером: отправляет команды, получает данные со страниц. Главная особенность: вместо скриншотов сервер возвращает доступное дерево (accessibility tree). Это структурированный список элементов, который LLM обрабатывает быстрее и дешевле. Для типовой страницы скриншот занимает ~114 000 токенов, доступное дерево — ~26 000. Экономия около 77 %. Разработчики AI-ассистентов используют Rove, чтобы агенты могли заполнять формы, нажимать кнопки, собирать данные и делать скриншоты — без лишних затрат.

Web to Markdown MCP

sidney

Большинство MCP-инструментов для веба не справляются с современными сайтами. Обычный HTTP-запрос не видит контент, отрисованный JavaScript, и пасует перед защитой Cloudflare. Возврат сырого HTML или accessibility-tree съедает десятки тысяч токенов на рекламу, меню и скрипты. Этот сервер решает обе проблемы. Он запрашивает URL и возвращает только основное содержимое — чистый Markdown без лишнего шума. Трёхуровневая архитектура гарантирует, что контент будет получен максимально быстрым способом. Сервер пытается получить Markdown напрямую от целевого сервера. Если не получается — извлекает текст из статического HTML библиотекой trafilatura. Если и это не удаётся (сайт требует JavaScript) — подключает headless Chromium с антидетект-патчами.

clipacanvas

mechreaper007x

ClipACanvas — MCP-сервер для конвертации веб-анимаций в видео MP4. Он принимает код HTML, CSS, JavaScript, SVG или Canvas и рендерит его как полноценный видеоролик. Движок рендеринга — Chromium под управлением Playwright, кодирование выполняет FFmpeg. В отличие от средств захвата экрана, ClipACanvas генерирует видео напрямую из исходного кода. Это даёт точное совпадение с пиксельной разметкой и позволяет встраивать генерацию видео в пайплайны AI-агентов. Инструмент подходит разработчикам, которые хотят создавать видеодемонстрации, записывать интерфейсы или генерировать визуальные инструкции без загрузки данных на сторонние серверы.

Chromedevtoolsmcp MCP

clauxel

Chrome DevTools Session MCP — это платный удалённый MCP-сервер. Он подключает AI-агента к инструментам разработчика браузера Chrome. Вам не нужно разворачивать Puppeteer или Playwright. Просто добавьте endpoint в клиент. Сервер отдаёт структурированные данные: DOM-дерево, ошибки консоли, сводки сетевых запросов и формальные чеки сессии. Эти чеки подходят для аудита работы AI-агента — вы видите, какие инструменты когда вызывались и что вернули.

Playwrightselectorguard MCP

clauxel

Playwright Selector Guard MCP — это платный удалённый сервер для поиска и исправления хрупких селекторов в тестах Playwright. Он анализирует ваши локаторы, оценивает риск их поломки при изменении DOM и предлагает безопасные альтернативы. Сервер решает проблему нестабильных E2E-тестов. Вместо ручного разбора упавших тестов вы получаете готовый отчёт с вариантами починки. Все изменения проходят через запрос подтверждения — это исключает случайную замену селекторов.

Browsegrab

QuartzUnit

Browsegrab — лёгкий инструмент для автоматизации браузера. Он спроектирован специально для локальных LLM от 8 до 35 миллиардов параметров. В основе лежит дерево доступности (accessibility tree) Playwright и конвертация HTML в Markdown через библиотеку MarkGrab. Такой подход даёт экономию токенов в 5–8 раз по сравнению с аналогами. Вы не передаёте модели скриншоты и сырой HTML — только чистую структуру страницы и текст. Дерево доступности даёт точное представление о структуре страницы: заголовки, ссылки, кнопки, поля ввода. LLM видит элементы в их иерархии, а не просто шум из разметки. Browsegrab подходит как для разовых задач по сбору данных, так и для сложных многократных сценариев с кэшированием результатов.

Desktop Touch MCP

Harusame64

desktop-touch-mcp — MCP-сервер для прямого управления Windows 10/11 через ИИ-ассистентов. Он даёт Claude, Cursor и другим MCP-клиентам видеть рабочий стол и взаимодействовать с приложениями: нажимать кнопки, вводить текст, делать скриншоты, управлять Chrome через CDP. Сервер использует семантический подход discover-then-act: сначала находит интерактивные элементы на экране, потом выполняет действие по их идентификатору. Это избавляет от проблем с «запоминанием» пиксельных координат. Дополнительно сервер проверяет, что окно назначения активно и не изменилось, прежде чем отправить нажатие или текст — защита от ошибок в работе с окнами.

Chrome DevTools MCP — Dinesh Nalla Se

dinesh-nalla-se

Chrome DevTools MCP — это сервер для подключения AI-ассистентов к живому браузеру Chrome. Он открывает AI-агентам доступ к инструментам разработчика: трассировке производительности, анализу сетевых запросов, снятию скриншотов и чтению консоли. Разработчики и тестировщики используют его, чтобы Claude, Gemini, Cursor или Copilot могли автоматически выполнять действия в браузере и собирать данные для отладки и анализа.

Playwright MCP — Dinesh Nalla Se

dinesh-nalla-se

Playwright MCP — это MCP-сервер, который соединяет языковую модель с браузером через Playwright. Модель может управлять браузером: открывать страницы, нажимать кнопки, заполнять формы и извлекать данные. Сервер взаимодействует с браузером через дерево доступности (accessibility tree), а не через скриншоты. Это делает его быстрым и лёгким. Языковой модели не нужны возможности распознавания изображений — она работает с чистыми структурированными данными. Такой подход исключает неоднозначность, свойственную методам на основе скриншотов. Сервер подойдёт разработчикам и DevOps-инженерам, которые хотят делегировать браузерные задачи ассистенту.

Playwright Report MCP

hubertgajewski

Playwright Report MCP запускает ваши Playwright-тесты, читает JSON-отчет и передает AI-ассистенту структурированный результат. Ассистент получает только то, что нужно для анализа падений: какие тесты упали, текст ошибки, стектрейс и содержимое вложений (скриншоты, видео, логи). Это не инструмент для управления браузером. В отличие от серверов вроде microsoft/playwright-mcp, этот сервер не кликает по кнопкам и не заполняет формы. Он заточен на одну задачу — разбор результатов тестирования. Благодаря фильтрации проходящих тестов он экономит токены контекста AI и не забивает отчет лишней информацией.

Cowork Qa

inSideos-designs

Ручное тестирование сценариев в браузере через AI-агентов часто превращается в угадайку. Агент отправляет команду, получает HTML и снова отправляет команду. Нет записи о том, почему он сделал именно этот клик и достиг ли цели. cowork-qa-mcp решает эту задачу добавлением полной трассировки. Когда LLM начинает сессию, она формулирует конкретную цель. Например: «Найти билет на концерт до 5000 рублей». Каждое действие фиксируется: «Перешёл по URL», «Кликнул по кнопке "Купить"», «Ввёл текст в поле поиска». После каждого шага сервер сохраняет URL и aria-snapshot страницы. Когда вкладка закрывается, на диск записывается JSON-файл со структурой: цель, список всех шагов с таймстемпами, финальный URL и финальный снимок страницы. Этот трейс вы передаёте второму агенту (или проверяете сами), чтобы оценить качество выполнения. Агент мог найти билет за 6000 рублей, хотя цель была «до 5000». Стандартный браузерный MCP просто вернёт «я кликнул, вот HTML». cowork-qa-mcp даёт полную историю для объективного анализа.

Flakiness Knowledge Graph MCP

vola-trebla

MCP server + Playwright reporter that builds a flakiness knowledge graph from test run history