MCP 服务器

PhantomHand

A minimalist browser control engine that allows LLM agents to visually perceive and interact with web pages through the Chrome DevTools Protocol and MCP standard.

README

PhantomHand

本工程是一个极简且轻量的浏览器控制引擎，专为基于大语言模型（LLM）的智能体（Agent）设计。它可以将浏览器的操作权限（通过 Chrome DevTools Protocol，简称 CDP）以 Model Context Protocol (MCP) 标准安全地暴露给智能体，让 AI 能够像人类一样视觉感知并真实点击浏览器网页。

🛠️ 环境准备与安装

前提条件： 请确保您的电脑已安装 Node.js。

安装依赖：在工程根目录下执行以下命令，安装基础服务依赖：
```
npm install
```
全局注册与构建：你可以通过 npm run build 打包。本项目目前已为您自动注册到了 Antigravity 的全局 mcp_config.json 中。由于我们采用了极致的单体架构合并，您甚至不再需要单独开一个终端运行服务！

🔌 安装与配置浏览器拓展

加载拓展程序：
- 打开您的 Chrome 或 Edge 浏览器，访问拓展管理页面（Chrome: chrome://extensions/）。
- 在右上角开启 “开发者模式 (Developer mode)”。
- 点击 “加载已解压的扩展程序 (Load unpacked)” 按钮。
- 选中本工程根目录下的 extension 文件夹。
连接到指令中心：
- 只要任何一个支持 MCP 的 AI Agent（比如 Antigravity CLI、Cursor、Claude Desktop）启动了本服务，本地的 ws://localhost:37210 调度中心就会自动随之启动。
- 点击浏览器右上角的拓展图标打开弹窗，在 URL 框中保留默认的 ws://localhost:37210。
- 点击 "Connect to Agent Server" 按钮，指示灯变为绿色即连接成功。

🚀 运行与使用

在 Antigravity CLI 中全自动操作（零配置体验）

得益于全新打磨的统一架构，MCP Server 和 WebSocket Command Center 现已完美融为一体！

启动任意一个 Antigravity CLI 会话（运行 agy）。
在浏览器中点开插件点击一下 Connect 绿灯连上。
直接用自然语言对大模型下发命令，例如：

"帮我在浏览器里打开百度的页面，用 JS 获取当天的热搜榜，然后点击搜索框输入内容。"

在其他所有 AI Agent 中使用（Cursor / Claude Desktop）

你只需要将本服务的启动命令加入对应软件的 mcp.json 或 claude_desktop_config.json 中即可：

{
  "mcpServers": {
    "phantom-hand": {
      "command": "npx",
      "args": ["tsx", "你的绝对路径/index.ts"]
    }
  }
}

⚠️ 重要避坑指南 (Troubleshooting)

“为什么我发送了指令，浏览器却没有反应？” 出于安全机制，Chrome 浏览器严禁任何拓展程序在系统保护页（例如空白新标签页 chrome://newtab、设置页 chrome://settings、拓展管理页 chrome://extensions）上执行调试 API。 👉 解决方法：请始终保证浏览器当前聚焦（Active）的是一个常规的普通网页（例如 https://github.com），拓展才能顺利注入并执行您的指令！
“端口冲突怎么解决？” 如果 37210 端口被占用，您只需修改 index.ts 里的端口号，然后在拓展弹窗中填入对应的新端口进行重连即可。