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。
MCP 是一种标准化的方式，使 AI 模型能够与外部工具和功能进行交互。MCP 服务器暴露一组工具后，AI 模型可以调用这些工具来执行各种任务。对于 Midscene 来说，这些工具允许 AI 模型控制浏览器、导航网页、与 UI 元素交互等等。
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
操作视频传送门：lf3-static.bytednsdoc.com/obj/eden-cn…
设置 Midscene MCP
前提条件
OpenAI API 密钥或其他支持的 AI 模型提供商，更多信息请前往官网查看 选择 AI 模型。
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：
| 功能分类 | 工具名称 | 功能描述 |
|---|---|---|
| 导航 | midscene_navigate | 在当前标签页导航到指定 URL |
| 标签页管理 | midscene_get_tabs | 获取所有打开的浏览器标签页列表 |
| midscene_set_active_tab | 通过 ID 切换到特定标签页 | |
| 页面交互 | midscene_aiTap | 点击通过自然语言描述的元素 |
| midscene_aiInput | 在表单字段或元素中输入文本 | |
| midscene_aiHover | 悬停在元素上 | |
| midscene_aiKeyboardPress | 按下特定键盘按键 | |
| midscene_aiScroll | 滚动页面或特定元素 | |
| 验证和观察 | midscene_aiWaitFor | 等待页面上的条件为真 |
| midscene_aiAssert | 断言页面上的条件为真 | |
| midscene_screenshot | 对当前页面截图 | |
| Playwright 代码示例 | midscene_playwright_example | 提供了 Midscene 的 Playwright 代码示例 |
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