zerotoken 2.0.0

ZeroToken - Record once, automate forever. A lightweight MCP for agent-driven browser automation.

ZeroToken

ZeroToken - Record once, automate forever.

Lightweight MCP for AI agent browser automation. Record once, replay forever — cut token cost and speed up repetitive tasks.

一个面向 AI Agent 的轻量化浏览器自动化 MCP 引擎，支持操作记录与详细执行上下文导出。

在 OpenClaw 中使用 ZeroToken

ZeroToken 是 OpenClaw 的浏览器执行层，适合录制一次、重复执行的自动化任务（如每日登录、定时抓取）。下面说明完整接入流程。

为什么需要 HTTP 模式？

OpenClaw 通过 MCPorter 调用 MCP 时，若使用 stdio（command 模式），每次工具调用都会新建进程，导致 browser 实例被销毁、状态丢失。因此必须改用 Streamable HTTP 模式：ZeroToken 以 HTTP 服务常驻，OpenClaw 通过 URL 连接，同一会话内 browser 状态得以保持。

接入步骤（完整流程）

1. 安装 ZeroToken

# 通过 pip 或 uv
pip install zerotoken
# 或
uv add zerotoken

# 安装 Playwright 浏览器（必须）
playwright install chromium

若通过 MCPorter 安装到 OpenClaw：

npm install -g mcporter
mcporter install zerotoken --target openclaw --configure

安装后同样需执行 playwright install chromium。

2. 在后台启动 HTTP 服务，并保持常驻

在终端中运行（不要关闭）：

zerotoken-mcp-http

默认监听 http://0.0.0.0:8000/mcp。可指定端口：

zerotoken-mcp-http --port 8001
# 或
ZEROTOKEN_HTTP_PORT=8001 zerotoken-mcp-http

3. 配置 openclaw.json

在 ~/.openclaw/openclaw.json（或项目内 openclaw.json）的 mcpServers 中，将 ZeroToken 配置为 URL，不要用 command：

{
  "mcpServers": {
    "zerotoken": {
      "url": "http://localhost:8000/mcp"
    }
  }
}

若使用非默认端口，修改 URL 中的端口号即可。

4. 安装 zerotoken-openclaw Skill

将 Skill 放入 OpenClaw 的 skills 目录之一：

或通过 ClawHub：clawhub install zerotoken-openclaw

或从本仓库复制：

cp -r skills/zerotoken-openclaw ~/.openclaw/skills/

5. 在 OpenClaw 中启用

在 OpenClaw 中启用名为 zerotoken 的 MCP server，并确保 zerotoken-openclaw Skill 已加载。Agent 即可通过 MCP 调用浏览器工具。

典型工作流

1. 录制轨迹：用户描述任务（如「每日登录某站并拉取报表」），Agent 调用 browser_init → browser_open / browser_click / browser_input 等 → trajectory_complete，完成一次录制。
2. 生成脚本：对重复/定时任务，Agent 调用 trajectory_to_script(task_id) 将轨迹转为可回放脚本。
3. 绑定定时任务：Agent 调用 script_binding_set(binding_key=job_id, script_task_id=task_id) 将 OpenClaw 的 job_id 与脚本绑定。
4. 定时执行：OpenClaw 触发定时任务时，Agent 调用 run_script_by_job_id(binding_key=job_id) 一步执行，无需 LLM 逐步推理，Token 消耗低。

更多详情见：skills/zerotoken-openclaw/SKILL.md、docs/skills.md。

常见问题

• browser 状态丢失、每次操作都像第一次：说明仍在使用 command 模式。请确保 (1) 在后台运行 zerotoken-mcp-http；(2) openclaw.json 中 zerotoken 配置为 url 而非 command。
• 连接失败 / MCP 不可用：确认 zerotoken-mcp-http 已启动且端口正确（默认 8000），URL 与配置一致。

核心理念

问题

AI Agent 直接控制浏览器执行重复任务时，每次都需要消耗大量 Token 进行推理，成本高且执行速度慢。

ZeroToken 解决方案

1. 操作执行: AI 通过 ReAct 模式分步推理，调用 MCP 原子能力完成浏览器操作
2. 轨迹记录: 系统记录完整的操作轨迹（包括页面状态、截图、执行结果、模糊点标记）
3. AI 提示导出: 轨迹可导出为 AI 友好格式，含需判断的模糊点说明，供 Skills 或其他模块进一步分析

核心特性

• 完整轨迹记录 - 每次操作记录步骤、页面状态、截图
• 结构化操作记录 - OperationRecord 包含完整的执行上下文
• 模糊点/DFU 标记 - 显式标记需 AI/人判断或需要上层决策/产出 vars 的步骤（如验证码、多选链接、评论文案），含 reason 与 hint
• Script Engine - 从 SQLite 数据库中的脚本表读取脚本，提供无 LLM 的确定性回放（run_script），支持暂停（dfu_pause/step_failed）与恢复（resolution）
• SQLite 存储 - scripts / trajectories / sessions 三类数据全部入库，便于查询、复盘与定时任务调度
• MCP 协议 - 标准化接口，易于集成到各种 AI Agent
• 稳定性增强 - 智能选择器、等待策略、错误恢复三大模块
• 自适应元素定位 - 首次命中时保存元素指纹（auto_save），改版后选择器失效时按相似度重定位（adaptive），无需改代码
• 反爬/云盾应对 - browser_init(stealth=true) 启用隐蔽启动与指纹伪装，降低被识别为自动化浏览器的概率（先能抓得到，Cloudflare 过验证后续可选）

稳定性增强

不稳定因素分析

选择器失效 (60%)     动态 ID、类名变化、DOM 结构改变
时序问题 (25%)       元素未加载、网络请求、动画未执行
环境变化 (10%)       视口变化、用户状态、Cookie 影响
其他因素 (5%)        弹窗干扰、资源加载失败

解决方案

1. SmartSelector - 智能选择器生成

• 自动生成多个备选选择器
• 优先级：data-testid > id > aria > CSS > XPath
• 检测并过滤不稳定类名（如 el-*, ant-*, Mui-*）

2. SmartWait - 智能等待策略

• 多种等待条件：selector, visible, networkidle, text, function
• 级联等待支持
• 页面稳定性检测

3. ErrorRecovery - 错误恢复机制

• 自动检测错误类型
• 选择器变体尝试
• 指数退避重试
• iframe 内元素查找

系统架构（含 ScriptEngine 与 DB 存储）

┌─────────────────────────────────────────────────────────────┐
│                     AI Agent (ReAct 模式)                    │
│  系统提示词：分步推理 → 调用 MCP → 分析结果 → 下一步          │
└─────────────────────────────────────────────────────────────┘
                              │
                              │ MCP 工具调用
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                  ZeroToken MCP Server                        │
│  ┌──────────────────────────────────────────────────────┐   │
│  │  Browser Tools (原子能力层)                            │   │
│  │  - browser_open(url) → OperationRecord               │   │
│  │  - browser_click(selector) → OperationRecord         │   │
│  │  - browser_input(selector, text) → OperationRecord   │   │
│  │  - browser_get_text(selector) → OperationRecord      │   │
│  │  - browser_extract_data(schema) → OperationRecord    │   │
│  │  ...                                                  │   │
│  └──────────────────────────────────────────────────────┘   │
│  ┌──────────────────────────────────────────────────────┐   │
│  │  Trajectory Tools (轨迹管理)                           │   │
│  │  - trajectory_start(task_id, goal)                   │   │
│  │  - trajectory_complete() → AI Prompt (含模糊点)       │   │
│  │  - trajectory_get(format=json|ai_prompt) 当前轨迹      │   │
│  │  - trajectory_list(limit?, since?) 已保存列表         │   │
│  │  - trajectory_load(task_id, format?) 按 task_id 加载  │   │
│  │  - trajectory_delete(task_id) 删除已保存轨迹          │   │
│  └──────────────────────────────────────────────────────┘   │
│  ┌──────────────────────────────────────────────────────┐   │
│  │  Script / Session Tools                              │   │
│  │  - script_save / script_load / script_list          │   │
│  │  - run_script(task_id, vars?) → 确定性回放           │   │
│  │  - session_list / session_get(session_id)           │   │
│  └──────────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                 OperationRecord (结构化记录)                  │
│  {                                                            │
│    "step": 1,                                                │
│    "action": "click",                                        │
│    "params": {"selector": "#login-btn"},                     │
│    "result": {"success": true, "navigated": true},           │
│    "page_state": {"url": "...", "title": "..."},             │
│    "screenshot": "base64...",  ← 视觉快照                     │
│    "fuzzy_point": {         ← 可选，需判断时存在               │
│      "requires_judgment": true,                              │
│      "reason": "验证码需识别", "hint": "AI 视觉"               │
│    },                                                         │
│    "timestamp": "2024-01-01T12:00:00"                        │
│  }                                                            │
└─────────────────────────────────────────────────────────────┘

Mermaid 架构图

graph TB
    subgraph "AI Agent Layer"
        A[AI Agent - ReAct Mode]
    end

    subgraph "MCP Server"
        B1[Browser Tools]
        B2[Trajectory Tools]
    end

    subgraph "Core Modules"
        C1[BrowserController]
        C2[TrajectoryRecorder]
        C3[ScriptEngine]
    end

    subgraph "Storage"
        D1["SQLite: scripts/trajectories/sessions"]
    end

    subgraph "Browser"
        E[Playwright/Chromium]
    end

    A -->|MCP Calls| B1
    A -->|MCP Calls| B2

    B1 --> C1
    B2 --> C2

    C1 --> E
    C1 --> C2
    C2 --> D1
    C3 --> D1

安装

OpenClaw 用户：完整步骤见上文「在 OpenClaw 中使用 ZeroToken」。

Cursor 等 IDE：安装后使用 stdio 模式，在客户端配置 command: "zerotoken-mcp" 或 command: "uv", args: ["run", "zerotoken-mcp"] 即可。

本地开发 / pip 安装

# 克隆项目
git clone https://github.com/AMOS144/zerotoken.git
cd zerotoken

# 安装依赖
uv sync

# 或 pip 安装
pip install zerotoken

# 安装 Playwright 浏览器
playwright install chromium

快速开始

1. 启动 MCP Server

场景	命令	说明
OpenClaw	zerotoken-mcp-http	在后台常驻，openclaw.json 配置 url: "http://localhost:8000/mcp"。详见「在 OpenClaw 中使用 ZeroToken」。
Cursor 等 IDE	zerotoken-mcp 或由客户端拉起	stdio 模式，配置 command: "zerotoken-mcp"。

# OpenClaw：HTTP 模式（后台常驻）
zerotoken-mcp-http

# Cursor：stdio 模式
zerotoken-mcp

2. AI Agent 通过 MCP 调用浏览器工具

示例流程：

# 初始化浏览器（遇反爬/云盾可传 stealth=true）
→ browser_init(headless=true)
← {"success": true, "config": {...}}

# 开始轨迹记录
→ trajectory_start(task_id="login_task", goal="登录系统")
← {"success": true, "task_id": "login_task"}

# 执行浏览器操作（自动记录到轨迹）
→ browser_open(url="https://example.com/login")
← {
     "step": 1,
     "action": "open",
     "params": {"url": "https://example.com/login"},
     "result": {"success": true, "title": "Login"},
     "page_state": {"url": "...", "title": "..."},
     "screenshot": "base64..."
   }

→ browser_input(selector="#username", text="testuser")
→ browser_input(selector="#password", text="secret123")
→ browser_click(selector="#submit-btn")

# 完成轨迹并获取 AI 提示（含模糊点标记）
→ trajectory_complete(export_for_ai=true)
← {
     "success": true,
     "ai_prompt": "Task Goal: 登录系统\n\nOperation History:\n[Step 1] open(...)\n[Step 2] click(...) [需判断: 验证码需识别]"
   }

AI 收到 ai_prompt 后，可结合 Skills 或自定义逻辑，对标记为「需判断」的步骤进行处理。建议通过 trajectory_list 查看已保存轨迹，对不需要的调用 trajectory_delete(task_id) 避免记录过多；browser 类工具可传 include_screenshot: false 减少响应体积；失败时返回结构化错误（含 code、retryable）便于模型重试。对关键元素可传 auto_save: true 保存指纹，改版后传 adaptive: true 自动重定位。

核心模块 API

BrowserController

from zerotoken import BrowserController

controller = BrowserController()
await controller.start(headless=True)

# 每个操作都返回 OperationRecord
record = await controller.open("https://example.com")
print(record.to_dict())
# {
#   "step": 1,
#   "action": "open",
#   "params": {...},
#   "result": {...},
#   "page_state": {...},
#   "screenshot": "base64..."
# }

await controller.stop()

TrajectoryRecorder

from zerotoken import TrajectoryRecorder, BrowserController

controller = BrowserController()
recorder = TrajectoryRecorder()
recorder.bind_controller(controller)

# 开始记录
recorder.start_trajectory("task_001", "完成用户登录")

# 执行操作（自动记录）
await controller.open("https://example.com")
await controller.click("#login-btn")

# 完成记录
trajectory = recorder.complete_trajectory()
recorder.save_trajectory()

# 导出给 AI 分析（含模糊点标记）
ai_prompt = trajectory.to_ai_prompt_format()

模糊点标记 (fuzzy_point)

需要 AI 或人工判断的步骤可标记为模糊点：

# extract_data 默认自动标记 fuzzy_point
record = await controller.extract_data(schema)

# 其他操作可手动传入 fuzzy_reason、fuzzy_hint
record = await controller.click("#link", fuzzy_reason="页面有多个链接", fuzzy_hint="需选择目标链接")

OperationRecord 结构

每个浏览器操作都返回详细的 OperationRecord：

{
  "step": 1,
  "action": "click",
  "params": {
    "selector": "#submit-btn",
    "timeout": 30000
  },
  "result": {
    "success": true,
    "navigated": true,
    "new_url": "https://example.com/dashboard"
  },
  "page_state": {
    "url": "https://example.com/dashboard",
    "title": "Dashboard",
    "timestamp": "2024-01-01T12:00:00"
  },
  "screenshot": "base64_encoded_image_data",
  "fuzzy_point": {
    "requires_judgment": true,
    "reason": "验证码需识别",
    "hint": "AI 视觉"
  },
  "timestamp": "2024-01-01T12:00:00"
}

fuzzy_point 为可选字段，仅在需要 AI/人判断的步骤存在。导出 AI 提示时，会追加 [需判断: {reason}] 等标记。

项目结构

zerotoken/
├── zerotoken/
│   ├── __init__.py
│   ├── controller.py         # BrowserController - 浏览器控制
│   ├── trajectory.py         # TrajectoryRecorder - 轨迹记录
│   ├── selector.py           # SmartSelector - 智能选择器
│   ├── wait_strategy.py      # SmartWait - 等待策略
│   └── recovery.py           # ErrorRecovery - 错误恢复
├── zerotoken.db              # SQLite 数据库（脚本/轨迹/会话，运行时生成）
├── mcp_server.py             # MCP Server 入口（stdio）
├── mcp_server_http.py        # MCP Server HTTP 入口（Streamable HTTP）
└── README.md

使用场景

1. AI Agent 浏览器自动化 - OpenClaw、LLM Agent 等
2. RPA 流程自动化 - 重复性网页操作录制回放
3. 数据采集 - 定时抓取网页数据
4. 自动化测试 - 记录测试步骤并回放

OpenClaw 配套 Skill：见 docs/skills.md，用于定时/重复任务时按轨迹重放、降低 Token 消耗。

社区

加入 ZT Agent Club QQ 群，一起交流 ZeroToken 与 AI Agent 自动化：

• 群号：942359087
• 扫一扫二维码，加入群聊

参与贡献

欢迎提 Issue 和 PR，详见 CONTRIBUTING.md。

License

MIT License，见 LICENSE。

---

ZeroToken - Record once, automate forever.