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 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 (MCP) 的服务器实现，提供用于自动化测试代码生成的上下文资源、工具与提示模板，供客户端（如 GitHub Copilot 等）通过 JSON-RPC 调用获取上下文、执行工具、渲染提示模板，从而生成 Playwright/API 测试代码。
基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管、工具注册与执行、以及 Prompt 模板渲染等能力，并通过 JSON-RPC 与客户端进行通信，支持多传输模式（如标准输入输出）。该服务器用于为 Playwright + Cucumber + TestNG 等测试框架提供统一的上下文服务和智能代码生成功能。
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。
通过Playwright和语义化HTML属性，将网页UI暴露为LLM可交互的工具和上下文，实现LLM对网页的理解与自动化控制。
通过 MCP 协议为 LLM 提供基于 Playwright 的 Web 浏览器自动化和交互能力。
基于Playwright的MCP服务器，为LLM提供高效网页内容获取和处理能力。
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。
PlaywrightをMCPプロトコルで提供するサーバーです。LLMクライアントからPlaywrightのブラウザ自動化機能を安全かつ標準的に利用できます。
演示如何构建一个基于Playwright的Web自动化MCP服务器，并与AWS Bedrock集成，实现LLM Agent能力。
提供一个 MCP 工具，用于搜索和检索 Rust `windows` crate 的 API 文档，方便 LLM 客户端获取 Windows 开发相关的上下文信息。
自动化生成Playwright Page Object Model (POM) 的服务器，加速端到端测试自动化流程。
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。
简化在 NixOS 上部署 Playwright MCP 服务器的方案，解决环境配置和版本兼容性问题。
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Playwright的MCP服务器，提供网页内容抓取工具，支持多种配置选项，帮助LLM高效获取网络信息。
Fetcher MCP 是一个 MCP 服务器，它利用 Playwright 无头浏览器抓取和提取网页内容，为 LLM 应用提供访问动态 Web 数据的能力。
基于Playwright的MCP服务器，提供网页内容抓取工具，支持智能提取内容并转换为Markdown格式。
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。
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。
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。
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。
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。
基于FastMCP框架实现的MCP服务器，集成了Playwright网页自动化工具，为LLM提供网页浏览、元素操作和信息提取能力，支持Azure OpenAI。
Playwright Server MCP是一个提供网页自动化工具的MCP服务器，允许LLM通过预定义的工具与网页进行交互，例如导航、截图、点击和内容提取等。
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。