rootbrowse 0.5.0

Python browser automation MCP framework for AI Agents

RootBrowse

Python 浏览器自动化 MCP 框架，为 AI Agent 提供结构化的浏览器交互能力。基于 DrissionPage 构建。

核心特性

• 全 JS 操作 — 所有元素操作（点击、悬停、双击、右键）都通过 JS 实现，支持隐藏元素
• 直接 xpath 操作 — 不依赖快照式 ref，所有定位直接查实时 DOM，动态页面不失效
• 区域化拆分 — 将页面 DOM 按语义区块分组，解决复杂页面的信息过载问题
• 渐进式获取 — get_regions → get_region_summary → match_element → get_element，按需逐步深入
• run_js 支持 — 绕过 DOM 传输限制，长文本分段提取：innerText.substring(0, 2000)

安装

pip install rootbrowse

快速开始

from rootbrowse import Browser

# 创建浏览器实例
browser = Browser()
browser.get('https://example.com')

# 获取页面区块
regions = browser.view.get_regions()
print(regions)  # [Region(xpath='/html/body/div[1]', label='容器'), ...]

# 获取区块统计摘要
summary = browser.view.get_region_summary(regions[0].xpath)
print(f"元素数量: {summary.count}")

# 按条件筛选元素
elements = browser.view.match_element(tag='a', text_contains='Python', limit=20)
print(elements)  # [ElementPreview(xpath='...', text='Python 入门', ...), ...]

# 获取完整元素信息
ele = browser.view.get_element(elements[0].xpath)
print(f"点击: {ele.text} -> {ele.attrs['href']}")

# 执行操作
result = browser.act.click(ele.xpath)
print(f"点击结果: {result.success}")

# 使用 run_js 获取长文本（绕过 DOM 限制）
text = browser.run_js("return document.body.innerText.substring(0, 2000)")

# 关闭浏览器
browser.close()

AI 工作流

用户指令
    ↓
get_regions()              → 查看页面有哪些区块（返回 xpath）
get_region_summary(xpath) → 查看区块统计（标签分布、role 分布）
match_element(...)         → 按条件筛选元素（摘要列表）
get_element(xpath)        → 获取元素完整信息
ElementOperator 操作      → 点击、输入、悬停等（使用 xpath）

核心概念

xpath 定位

不再使用快照式 ref，直接用 xpath 操作元素，每次都实时查询 DOM。

# match_element 返回 ElementPreview，含 xpath
elements = browser.view.match_element(tag='a', limit=10)
# [ElementPreview(xpath='/html/body/div[1]/a[1]', text='...'), ...]

# 直接用 xpath 点击
browser.act.click(elements[0].xpath)

run_js 长文本提取

绕过 DOM 传输限制，分段获取无限长度文本：

# 分段提取，规避 MCP token 限制
part1 = browser.run_js("return document.body.innerText.substring(0, 2000)")
part2 = browser.run_js("return document.body.innerText.substring(2000, 5000)")
part3 = browser.run_js("return document.body.innerText.substring(5000, 10000)")

区域化拆分

页面 DOM 有几千个节点，直接给 AI 无法处理。RootBrowse 按语义区块拆分：

页面 DOM
    ↓ 按语义区域分组（header, main, sidebar 等）
    ↓ 过滤噪音（script, style, meta）
    ↓ 统计每个区域的节点数
返回：Region 列表，AI 选择进入哪个区域

渐进式获取

get_regions()           → 看有哪些区块
get_region_summary()     → 看区块统计（tag 分布）
match_element()           → 按条件筛选元素（摘要）
get_element()             → 最后才看完整信息

每一步都返回精简数据，AI 按需逐步深入。

API 概览

Browse — 主入口

browser.get(url)                  # 打开 URL
browser.screenshot(path)           # 截图
browser.save_state(path)          # 保存会话状态
browser.load_state(path)          # 恢复会话状态
browser.run_js(code, args)        # 执行 JavaScript
browser.close()                   # 关闭浏览器

TabManager — 标签页管理

browser.tabs.new_tab(url)         # 新建标签页
browser.tabs.close_tab(index)     # 关闭标签页
browser.tabs.switch_to_tab(index) # 切换标签页
browser.tabs.tabs_count()          # 获取标签页数量
browser.tabs.current_index()      # 获取当前索引

PageScanner — 页面扫描

browser.view.get_regions()                    # 获取区块列表
browser.view.get_region_summary(region_xpath) # 获取区块统计
browser.view.match_element(**filters)         # 筛选元素
browser.view.get_element(xpath)              # 获取完整元素
browser.view.find_element(by, value)         # 精确定位

ElementOperator — 元素操作

browser.act.click(xpath)              # 点击
browser.act.input_by_xpath(xpath, text) # 输入
browser.act.hover(xpath)             # 悬停
browser.act.double_click(xpath)      # 双击
browser.act.right_click(xpath)       # 右键
browser.act.submit(xpath)            # 提交表单
browser.act.clear(xpath)             # 清空输入框
browser.act.send_enter()              # 发送回车

数据类型

类型	说明
Region	页面语义区块 {xpath, label}
Element	可交互元素 {tag, role, text, xpath, attrs}
RegionSummary	区域统计 {count, tag_counts, role_counts, text_preview}
ElementPreview	元素摘要 {xpath, text, attrs_preview}
OperationResult	操作结果 {success, error?, new_url?}

异常

异常	说明
BrowserError	浏览器相关错误
ElementNotFoundError	元素未找到
RegionNotFoundError	区域未找到
TabNotFoundError	标签页未找到
OperationError	操作失败
StateFileError	状态文件错误
PageLoadError	页面加载失败

技术栈

• 底层引擎: DrissionPage — Python CDP 连接，无需驱动
• MCP 框架: FastMCP（官方 Python MCP SDK）
• Python 版本: >= 3.10

License

MIT