开发者发布 Turbo-Browser-MCP，将浏览器操作整合为批量工具以减少 LLM token 消耗

turbo-browser-mcp 是一个基于 Playwright 的 Model Context Protocol（MCP）服务器，目标是减少浏览器自动化中的 LLM token 浪费和多轮延迟。它把 25–33 个细粒度浏览器原语整合为 10 个批处理工具，具备增量 DOM 快照、单轮完成 React/Shadow DOM/iframe 表单预填、直接从磁盘上传文件（上下文中不出现 Base64）、并行标签页会话、网络阻断预设，以及默认开启的人在回路 Submit 守卫。

以下所有数据来自 benchmarks/benchmark.mjs（npm run benchmark），在本地以无头 Chromium 运行，并使用精确的 OpenAI o200k_base 分词（tiktoken 0.14.0）：

关于延迟与 LLM 推理轮次的说明：在一个 10 字段表单上省去 10 次往返，既能在浏览器执行上节省 7 倍时间（574 ms -> 82 ms），也能省去 10 次独立的 LLM 推理往返（在 agent 循环中每轮 2–5 秒），外加约 71,800 个被重放的历史 token。

标准 MCP 服务器会为每一次快照、字段填写、<select> 选择、上传和验证检查都消耗一次 LLM 往返。每一轮都会把不断增长的对话历史重新发回模型。

sequenceDiagram autonumber participant Agent as LLM Agent participant Std as Standard MCP (Playwright / DevTools) participant Turbo as turbo-browser-mcp Note over Agent,Std: 标准 MCP（12+ 次 LLM 轮次，每一步都重放完整 ARIA 树 + 历史） Agent->>Std: 1. snapshot() -> 完整 ARIA（约 3,568 tok） loop 在字段、选择框、复选框、上传上重复 10+ 次 Agent->>Std: fill / select_option / click Std-->>Agent: 完整 ARIA 或确认信息重新加入历史 end Agent->>Std: 12. 内联上传或点击文件选择器 Note over Agent,Turbo: turbo-browser-mcp（共 2 次 LLM 轮次，增量与内联快照） Agent->>Turbo: 1. inspect_compact(mode: "forms") -> 紧凑引用（1,135 tok） Agent->>Turbo: 2. smart_fill_form(fields: [...10 个字段 + 磁盘 PDF...], returnSnapshot: true) Turbo-->>Agent: 填入 10 个字段 + Submit 前守卫 + 内联快照（811 tok） Loading turbo-browser-mcp 支持的功能

1. 连接与会话隔离 4 种连接模式（--mode auto|cdp|persistent|launch）： auto（默认）：先探测 --cdp http://127.0.0.1:9222，以便 agent 复用已有的已登录浏览器会话，失败后再回退到启动 Chromium。 cdp：直接连接到正在运行的 Chromium/Chrome/Edge 远程调试端口。 persistent：使用可复用的 --user-data-dir 配置文件跨多次运行启动。 launch：启动一个干净的浏览器会话（默认 --headless，或使用 --headed）。 自动发现二进制文件（src/playwright-loader.mjs）：检查 Windows、macOS 和 Linux 上的 playwright-core 缓存版本、系统中安装的 Google Chrome、Microsoft Edge、Brave 和 Chromium，或使用显式的 --executable <path>。 按标签页隔离（tabs_batch）：在命名的隔离 isolatedContext 沙箱中打开标签页，各自拥有独立的 cookie 和存储；批量打开最多 10 个并发 URL（open_many）；支持激活、刷新、前进/后退、调整视口大小，以及模拟 colorScheme、media、reducedMotion、contrast、forcedColors 或自定义 userAgent。
2. DOM、iframe 与 Shadow DOM 检查（inspect_compact） 快照模式：interactive、forms、article 和 all。 跨边界遍历：扁平化主框架 DOM、子 iframe（includeFrames、frameIdx）和开放的 Shadow DOM。注入一个初始化脚本，挂接 Element.prototype.attachShadow（WeakMap + WeakRef/FinalizationRegistry + window.__tbmGetShadowRoot），使初始化后关闭的 Shadow root 仍可检查和受守卫保护；遍历 <slot> 的 assignedNodes({ flatten: true })，并支持 Form-Associated Custom Elements。 Token 控制：onlyChanged: true 仅输出自上次快照以来新增或变更的元素；query 支持按正则或子串过滤；boxes: true 仅在需要时追加 [box=x,y,w,h]；maxChars 限制载荷大小；savePath 将完整输出写入磁盘。
3. 单轮智能表单引擎（smart_fill_form） 在一次 MCP 调用中预填整个表单，并在受控输入之间冲刷微任务和宏任务： act_fast 动作：click、dblclick、hover、focus、clear、fill、type（slowly、delayMs、submit）、select、check、uncheck、drag、drop（file、files 或自定义 MIME dropData）、press（key + 修饰键：Alt、Control、ControlOrMeta、Meta、Shift）、scroll（dx、dy）、wait（ms、state、loadState、text、textGone、url）和 upload。 定位选项：紧凑的 [eN] 引用、CSS 选择器、可见文本、label，或视口 (x, y) 坐标，并支持 button（left、right、middle）和 frameIdx。 batch_actions：在一次 MCP 调用中按顺序执行一组 DOM 动作和嵌套的 smart_fill_form 步骤；若被 Submit 守卫拦截则安全停止，也可选择在步骤出错时继续（continueOnError）。
4. 干净提取、求值与媒体捕获（extract_clean_text、evaluate_js、capture_page） extract_clean_text：从 main/article 容器和 iframe 中提取可读的纯文本或紧凑 Markdown（format: "text" | "markdown"），去除 script 和 style 噪声。 evaluate_js：在任意 frame（frameIdx）中运行 JS 表达式或 (el, arg) 元素函数，结果以 JSON 序列化，并可选通过 savePath 导出。 capture_page：整页或元素范围的截图（png，或带 quality 的 jpeg；css 或 device 缩放；可选 returnImage），以及生成 PDF 并保存到受限的 savePath。
5. 网络阻断、存储状态与诊断（network_session、page_diagnostics） network_session 预设：turbo、no-images、no-media 和 clean（解除所有阻断），同时支持自定义 blockResources 和 blockUrls 模式。 会话与存储管理：读取/写入/清除浏览器 cookie、localStorage/sessionStorage，以及导出或重新加载完整的 Playwright storageState JSON 文件（saveStorageStatePath、loadStorageStatePath）。 page_diagnostics：默认仅报错（level: "errors"、statusFilter: "errors"），干净地暴露失败而不淹没上下文；同时支持 all、includeStatic、urlFilter、深度请求/响应检查（reqId + part）、已完成的下载，以及对话框自动处理（dialogPolicy: accept/dismiss）。 可复现的基准测试（npm run benchmark）

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）