基于 Model Context Protocol (MCP) 的服务器端实现，作为后端后置服务提供对资源、工具与提示模板的管理和执行能力。通过 JSON-RPC 与 LLM 客户端通信，统一托管资源、注册并执行工具、渲染并提供 Prompt 模板，支持多工具组合及可扩展的上下文服务能力，并内置监控、信任评估与鲁棒的错误处理。
基于 Model Context Protocol (MCP) 的 MCP 服务器实现，提供可运行的浏览器自动化技能服务，通过 JSON-RPC 与客户端通信，注册并执行工具、管理资源与提示模板，供 LLM 客户端调用实现浏览器操作。
基于 Model Context Protocol (MCP) 的浏览器控制后端服务器实现，提供一组浏览器操作工具给 LLM 客户端通过 MCP 协议调用，核心通过 Chrome DevTools Protocol (CDP) 控制浏览器，并通过 STDIO 的 JSON-RPC 方式与客户端通信。
一个基于 Model Context Protocol 的 MCP 服务器实现，提供 LinkedIn 数据抓取相关的资源、工具和提示模板，并通过 MCP JSON-RPC 与客户端通信，支持会话管理、工具注册与自定义提示渲染等能力。
基于 Model Context Protocol (MCP) 的服务器实现，提供 LinkedIn 自动化工具供 MCP 客户端通过 JSON-RPC 调用执行职位搜索、获取职位详情、执行 Easy Apply 以及速率限制检查等功能，以支持对话式 AI 客户端的上下文与能力获取。
基于 MCP 协议的后端服务，提供对浏览器自动化能力的统一访问入口，通过 JSON-RPC 与客户端交互并将命令映射到 WebAct 的 CLI/SDK 操作，实现对资源、工具及提示模板等能力的托管与执行，适用于将浏览器自动化功能嵌入到大语言模型的工作流中。
基于 Model Context Protocol (MCP) 的后端服务器实现，向大语言模型（LLM）客户端以标准化的 JSON-RPC 方式提供资源管理、工具注册/执行以及可自定义的 Prompt 模板渲染，具备会话管理、并发浏览上下文、以及对多传输协议的支持，便于在浏览器自动化场景中提供安全、可扩展的上下文服务。
基于 Model Context Protocol (MCP) 的后端服务器实现，提供对 LinkedIn Sales Navigator 的资源访问、工具调用和提示模板等能力。通过 JSON-RPC 方式与 MCP 客户端通信，支持标准的 stdio 传输，内部实现了完整的 MCP 服务端框架与客户端封装，能够在服务端执行多种与 LinkedIn 相关的操作任务并对外暴露为可重用的工具集合。
基于 Model Context Protocol 的本地 MCP 后端，为 Claude Code 提供浏览器自动化的资源、工具与提示模板服务。通过本地 Unix 套接字与原生主机通信，支持 JSON-RPC 的工具调用与响应，并实现会话管理、扩展工具集、以及多传输协议的通信能力，适用于在本地 Firefox 环境中为 LLM 客户端提供上下文信息与功能。
基于 MCP（模型上下文协议）的后端服务器，提供凭据管理、浏览器自动化执行及工具调用能力，面向需在本地受控环境中为大语言模型提供上下文服务的应用场景，确保密码等敏感信息不落入模型上下文。
基于 Model Context Protocol 的 MCP 后端，为大语言模型提供上下文资源、工具调用和提示模板渲染等能力，支持 JSON-RPC 通信及多传输协议扩展，内置浏览器自动化与会话/缓存等核心模块。
基于 Model Context Protocol 的 MCP 服务器实现，聚合无障碍分析工具（axe-core、Pa11y）并通过工具、提示、资源等提供标准化的上下文服务给 LLM 客户端
基于模型上下文协议（MCP）的后端服务实现，提供浏览器与移动应用自动化工具集合，通过 JSON-RPC 与 Claude Desktop 进行上下文服务与功能调用。服务器实现了工具注册、执行与会话管理，并通过 Stdio 等传输方式与客户端通信，支持浏览器与 Appium 的自动化场景。
基于 Model Context Protocol (MCP) 的后端服务器，提供资源、工具与提示模板的统一访问接口，整合 Ollama、Playwright、GitHub API 等工具集，面向大型语言模型客户端提供可扩展的上下文与能力服务。
基于 Model Context Protocol 的 MCP 服务器实现，整合插件注册、工具执行、资源管理与提示模板，通过 JSON-RPC 与浏览器客户端通信，支持 WebSocket 与 HTTP 传输，为 LLM 提供统一的上下文、工具调用和提示渲染能力，方便在开发环境中扩展自动化工具和上下文服务。
基于 Model Context Protocol (MCP) 的后端服务器集合，提供以 JSON-RPC 方式向 LLM 客户端暴露的资源管理、工具执行与提示渲染等能力，用以构建端到端的性能测试、分析与报告管线。仓库中包含多路 MCP 服务器实现（如 JMeter、BlazeMeter、Datadog、Perf Analysis、Confluence、Microsoft Graph 等），实现资源、工具、提示的注册与执行，以及 JMeter JMX 生成、数据汇总、报表输出等功能，支持多种传输协议（如 stdio、WebSocket、SSE），具备会话管理、能力声明与跨服务器协作能力，旨在为 LLM 驱动的性能测试流水线提供稳定的后端上下文与接口服务。
一个基于 WebDriverIO 的 MCP 服务器，让 Claude Desktop 能够自动化控制 Chrome 浏览器、iOS 和 Android 应用
TinyWasm框架的Model Context Protocol服务器，为LLM助手提供完整的Go+WebAssembly开发环境访问和控制能力
一个基于Model Context Protocol (MCP) 的服务器，用于从TradingView获取金融图表快照、验证会话和查询时间周期。
Verdex MCP 是一个专为AI编程助手设计的浏览器自动化服务器，通过标准化工具集帮助AI生成稳定、可维护的Playwright测试代码。
基于 Playwright 封装的 MCP 服务器，提供强大的浏览器自动化能力，可供 LLM 客户端调用。
一个专业的Model Context Protocol (MCP) 服务器，通过自动化交互将Google NotebookLM的功能和上下文能力提供给LLM客户端。
利用Claude智能体、MCP服务器和Playwright实现完整的LinkedIn职位搜索自动化，包括智能认证、简历分析和多策略职位搜索。
Selenium MCP Server是一个强大的工具，它将Selenium WebDriver的丰富功能转化为AI助手可直接调用的MCP工具，实现高效的浏览器自动化、网页抓取和自动化测试。
基于Playwright和Cloudflare Workers构建的MCP服务器，提供浏览器自动化工具集，支持LLM客户端进行网页浏览和交互。
使用 AWS CDK 部署 Mastra Agent 和 Playwright MCP 服务器，实现基于云端的浏览器自动化和 LLM 上下文服务。
基于MCP协议，扩展Playwright实现浏览器自动化，为LLM提供网页浏览和JavaScript注入工具，支持多种传输模式。
AutoBrowser MCP Server是一个基于Model Context Protocol的服务器，为LLM应用提供浏览器自动化能力，支持网页浏览、元素操作和信息获取等工具。
CEO Agent Framework MCP服务器通过Model Context Protocol为LLM客户端提供浏览器自动化工具。
通过模型上下文协议 (MCP) 为 LLM 代理提供浏览器自动化工具 (Playwright)，实现网页交互和信息提取。
该MCP服务器利用Playwright自动化浏览器操作，提供网页控制、控制台日志和网络请求监控等工具，供LLM客户端调用。
基于browser-use的MCP服务器，为LLM提供浏览器自动化工具，实现网页交互和信息获取能力。
ManusMCP是一个AI Agent框架，通过Model Context Protocol (MCP) 协议，提供文件、Shell命令和浏览器操作等工具，支持AI Agent协同完成复杂任务。
基于MCP协议的服务器，通过Puppeteer为LLM提供浏览器自动化能力，实现网页交互、截图和JavaScript执行等功能。
该仓库实现了一个MCP服务器，将browser-use库中的浏览器操作工具集以MCP协议标准提供给LLM客户端使用。
Devvit-Phaser MCP服务器是一个用于测试Devvit-Phaser游戏的工具，通过Model Context Protocol提供浏览器自动化和Devvit Playtest管理功能。
mcp-playwright 是一个 MCP 服务器，它利用 Playwright 库为大型语言模型提供浏览器自动化和API请求能力，使其能够与网页互动、执行截屏和进行网络请求。
该项目是一个基于 Model Context Protocol (MCP) 的服务器实现，通过 Playwright 自动化浏览器操作，并向 LLM 客户端提供浏览器控制工具和资源访问能力。
twolven_mcp-server-puppeteer-py 是一个 Python 实现的 MCP 服务器，它利用 Playwright 库为大型语言模型提供浏览器自动化能力，使其能够与网页互动，执行截屏、点击、填写表单等操作。
MCP Server Playwright是一个MCP服务器，通过集成Playwright库，为LLM提供浏览器自动化能力，使其能够与网页互动、截图和执行JavaScript。
该项目是基于FastMCP框架实现的MCP服务器，专注于提供网页浏览自动化能力，通过集成Playwright和Azure OpenAI，支持LLM客户端调用工具进行网页导航、元素操作和信息提取等任务。
Deno 2 Playwright MCP Server是一个基于Model Context Protocol的服务器，它利用Playwright库为LLM提供浏览器自动化能力，例如网页导航、截图和执行JavaScript。
此仓库实现了一个MCP服务器，用于从Instagram公开用户资料中抓取帖子内容，支持使用Chrome浏览器已登录的会话。
该仓库实现了一个MCP服务器，通过Playwright库提供浏览器自动化功能，使LLM能够与网页交互、截图、执行JavaScript等操作。
基于Playwright的浏览器自动化MCP服务器，允许LLM客户端通过工具远程控制浏览器执行网页操作和数据抓取。
基于Playwright的MCP服务器，为LLM提供浏览器自动化能力，包括网页导航、截图、元素操作和执行JavaScript等。
该项目是一个MCP服务器，通过Chrome DevTools协议提供控制Chrome浏览器的工具，例如截图、执行JavaScript等，以增强LLM应用能力。
Playwright MCP Server是一个基于Model Context Protocol的服务器，提供浏览器自动化能力，使LLM能够与网页交互、截图和执行JavaScript。
基于Playwright和Chrome DevTools协议的MCP服务器，为LLM提供浏览器自动化和HTTP请求能力，实现网页交互、数据抓取和API测试等功能。
使用 Playwright 驱动的 MCP 服务器，为 LLM 提供网页浏览、交互和信息获取能力，支持浏览器自动化操作。