Browser MCP: Cursor, Claude ve VS Code ile tarayıcı otomasyonu

 (browsermcp.io)
2 puan yazan GN⁺ 2025-04-08 | 1 yorum | WhatsApp'ta paylaş
  • Browser MCP, AI uygulamaları ile kullanıcının tarayıcısını bağlayarak form doldurma, test ve tekrarlayan web işlerini otomatikleştirmeyi sağlar
  • Otomasyon yerel makinede çalıştığı için ağ gecikmesini azaltır ve tarayıcı etkinlikleri uzak sunuculara gönderilmez
  • Mevcut tarayıcı profilini aynen kullanarak oturum durumunu korur; gerçek tarayıcı parmak izi sayesinde temel bot tespiti ve CAPTCHA'dan kaçınabilir
  • Başlangıç süreci üç adımdan oluşur: tarayıcı uzantısını kurma, AI uygulamasına MCP sunucusu ekleme ve otomasyon iş akışları oluşturma
  • URL'ye gitme, tıklama, sürükle-bırak, anlık görüntü, ekran görüntüsü ve konsol günlüklerini görüntüleme gibi tarayıcı kontrolü için gereken araçları sunar

Yalnızca AI uygulamalarıyla zor olan tarayıcı görevlerini otomatikleştirme

  • Web sitelerinde tekrar tekrar form doldurmak gibi tarayıcı etkileşimi gerektiren otomasyonlar, Cursor veya Claude gibi AI uygulamalarıyla tek başına yönetilmesi zordur
  • Browser MCP, AI uygulamalarını kullanıcının tarayıcısına bağlayarak web görevlerini onun yerine yerine getirebilir
  • Başlıca iki kullanım senaryosu vardır
    • Otomasyon testi: AI editörü kodu uçtan uca test eder, kullanıcı akışlarını ve UI öğelerini doğrular, farklı senaryolarda uygulamanın davranışını kontrol eder
    • İş otomasyonu: veri toplama, form doldurma ve iş akışı otomasyonu gibi tekrarlayan web tabanlı görevleri işler

Kurulum akışı ve yerel çalışma modeli

  • Başlangıç üç adımdan oluşur
    • Tarayıcıya Browser MCP uzantısı kurulur
    • Tarayıcı uzantısına bağlanmak için AI uygulamasına Browser MCP MCP sunucusu eklenir
    • AI asistanının tarayıcı içindeki tekrarlayan görevleri işlemesi için otomasyon iş akışları oluşturmaya başlanır
  • Otomasyon kullanıcının yerel makinesinde çalışır
    • Daha iyi performans ve daha düşük ağ gecikmesi hedeflenir
    • Tarayıcı etkinlikleri uzak sunuculara gönderilmeden cihazda kalır
    • Mevcut tarayıcı profili kullanılarak servislerdeki oturum durumu korunur
    • Gerçek tarayıcı parmak izi kullanılarak temel bot tespiti ve CAPTCHA'dan kaçınılır

Sunulan araçlar ve desteklenen hedefler

  • Tarayıcı kontrolü için gereken araçlar sunulur
    • Navigate, Go Back, Go Forward, Wait
    • Press Key, Click, Drag & Drop, Hover, Type Text
    • Snapshot, Screenshot, Get Console Logs
  • Desteklenenler arasında Cursor, Claude, Windsurf ve VSCode yer alır
  • Belgeler Documentation adresinde incelenebilir

İlgili okumalar

1 yorum

 
GN⁺ 2025-04-08
Hacker News görüşleri

  • [!warning!] Bu projenin Chrome uzantısı, PostHog ve Amplitude’a ayrıntılı uzaktan ölçüm verileri gönderiyor: https://storage.googleapis.com/cobrowser-images/telemetry.pn..., https://storage.googleapis.com/cobrowser-images/pings.png
    Ayrıca yerel MCP sunucusunun kaynak kodu var ama Chrome uzantısının kaynak kodu yok; https://github.com/ruifigueira/playwright-crx paketlenmiş gibi görünüyor ve kaynak belirtilmediği için oldukça şüpheli

    • Browser MCP’nin geliştiricisiyim. Uzantı anonim cihaz kimliği kullanıyor ve araç çağrıları kullanıldığında analiz olayları gönderiyor
      Ağ trafiğine bakarsanız kişisel ya da tanımlanabilir hiçbir bilginin gönderilmediğini doğrulayabilirsiniz. Amaç, web sitelerinin ziyaretçi sayması gibi anonimleştirilmiş kullanım verileri toplayarak uzantının ne kadar kullanıldığını anlamak. Zamanımı birkaç proje arasında bölüştürdüğüm için aktif kullanıcı sayısını bilmek nereye odaklanacağıma karar vermeme yardımcı oluyor
      Uzantının tamamını kendim yazdım; şu anda depoda yalnızca MCP sunucusunun bulunmasının nedenini bu GitHub issue’sunda yazdım: https://github.com/BrowserMCP/mcp/issues/1#issuecomment-2784...
      Özetle, tüm uzantıların paylaştığı kodu içeren bir monorepo kullanıyorum; yalnızca bu uzantıyı ayırıp birden fazla monorepo’yu senkronize şekilde sürdürmek epey iş gerektirir. Projenin düzenlenme biçiminden hoşlanmayabilirsiniz, ama kötü niyetli bir durum yok
    • Burada sözü edilen “ayrıntılı” şey anonim deviceId ve araç çağrısı sayacıysa, uygulamanın temel kullanım içgörüleri elde etmeye çalışmasını da sorun ediyorsunuz demektir
    • Kurulmasına izin verilebilecek Chrome uzantıları yalnızca kaynaktan doğrudan derlenebilenler olmalı

  • Web sitesi “gerçek tarayıcı parmak izini kullanarak bot tespiti ve CAPTCHA’yı atlatır” diyor ama gerçekte öyle olmadı
    Birkaç hafta önce, buna benzer kendi yaptığım bir sistemle yapay zekanın oturum açılmış bir oturumda tarayıcıyı kontrol etmesini sağladım; bunun sonucunda, insanın doğrudan kullandığı oturumlarda bile CAPTCHA çıkmaya başladı ve sonunda birçok web sitesinde engellendim. Tarayıcı oturumunu bu şekilde kullanmayı bırakınca engeller zamanla ortadan kalktı, ama bu yöntem her derde deva değil ve kendi erişim yetkinizi de kaybedebilirsiniz

    • Bu tür iddiaların ön koşulu genelde “yüksek kaliteli proxy kullanıldığında” olur
      Ayrıca bu uzantı oldukça göze çarpıyor gibi göründüğünden Cloudflare bot tespitinin bunu Playwright benzeri şeyler gibi yakalaması uzun sürmez
    • Bu uzantı tarayıcıda hata ayıklamayı etkinleştiriyor ve otomasyon sırasında bir banner gösteriliyor. Bu JavaScript ile algılanabilir
      Bu yüzden şöyle bir proje var: https://github.com/Kaliiiiiiiiii-Vinyzu/patchright. JavaScript’ten hata ayıklama kısmını gizliyor
    • Web sitesi öğelerine tıklama hızına da bağlı olabilir
    • Neyle hızlıca tespit edilebileceğini merak ediyorum. Örneğin fare hareketlerini izleyip fazla düzgün hareket edip etmediği hesaplanabilir; fare hareketlerine daha insan benzeri gürültü eklemek atlatmayı daha iyi sağlayabilir
      Çok fazla işlemi çok hızlı yapmak da sorun, ama işlemler arasındaki zamanlama da bir olasılık. Tek tek tıklamalar hızlı olmasa bile gecikme süreleri aşırı düzenliyse bu da başka bir insan-dışı sinyal olur
    • CAPTCHA’ların var olma nedeni zaten insanların otomasyon araçlarını uygun şekilde kullanacağına güvenilememesidir
      “Bot tespiti ve CAPTCHA’yı atlatır” demek, sonuçta bu tür önlemlerin senin gibiler yüzünden var olduğu anlamına gelir. Gerçekten erişime ihtiyacın varsa API istemelisin; bunun için ödeme yapman gerekebilir ya da gerekmeyebilir. Erişim alabilirsin ya da site sahibi reddedebilir; bu durumda davranışının veya kullanım senaryonun istenmediğini kabul etmelisin

  • Sanki bir gün uyumuşum da artık MCP her yerde karşıma çıkıyor. MCP’nin ne olduğunu bilmiyorum ve bu noktada sormaya da korkuyorum

    • MCP, LLM modellerinin “çağırabileceği” bir metot kütüphanesi/API sağlama yöntemidir
      Modele metot adını, parametreleri, çıktı tipini ve amacını bildirirsiniz; LLM, MCP sunucusundan fonksiyonu çağırmasını ister, sonucu kontrol eder ve gerekirse bir sonraki fonksiyonu çağırır. Şu anda ChatGPT’ye “hesabımla Google Maps’i aç, New York yakınlarında bisiklet dükkânları ara ve telefon numaralarını getir” demek zordur; ama bir tarayıcı MCP’si varsa ChatGPT tarayıcıya “Google Maps’i aç”, “ekran görüntüsünü göster”, “şu konuma tıkla” gibi talimatlar gönderebilir
    • En kötü tarafı, olası güvenlik açıklarından oluşan bir Pandora’nın kutusunu açması: https://elenacross7.medium.com/%EF%B8%8F-the-s-in-mcp-stands...
    • MCP, yapay zeka modeline faydalı araçları takıp modelin bunları kullanabilmesini sağlayan bir standarttır
      Sıradan kullanıcılar için kavram biraz tersyüz ve sezgisel değil; ama geliştiricilere kullandıkları araçlar gibi göründüğü için kafa karışıklığını pek fark etmiyorlar
    • MCP geniş ölçekte benimseniyor olsa da tabandan gelen bir hareket değil. Bir uzlaşı oluşmadan önce mevcut yapay zeka şirketlerinin geliştiricilerin farkındalığını ve pazar payını ele geçirmek için hızla devreye girmesine daha çok benziyor
    • LLM’lere özel bir uzak prosedür çağrısı (RPC). Ve aynı zamanda bugün tüm dünyayı kasıp kavuran yeni moda

  • Bir alışveriş sitesinde tarayıcıya “Bu listedeki tüm sideboard’lara göz atıp yalnızca 155 cm’den uzun ve 100 cm’den kısa olanları filtrele. Koyu renk ahşap olanlara ve 31,43 cm yüksekliğindeki vinil plakları koyacak alanı bulunanlara öncelik ver” diyebilmek güzel olurdu.
    Sayfadan ayrıntıları çıkarabiliyorsa çok faydalı olur gibi; bunu yapabilen bir tarayıcı zaten var mı merak ediyorum.

    • MatterRank adlı benzer bir şey geliştiriyorum; şu anda web araması üzerinde çalışıyor.
      Örneğin “X’i ele alan ve Y eğilimi olan sonuçlara öncelik ver, bir şey satmaya çalışan sonuçları geriye düşür” gibi. https://matterrank.ai adresinde deneyebilirsiniz.
      Aklınızdaki kullanım senaryolarını da daha fazla duymak isterim. Zaten baktığınız sitede çalışan bir tarayıcı eklentisi mi, bu özelliği sunan bir alışveriş toplama servisi mi, yoksa tamamen farklı bir biçim mi merak ediyorum.
    • browser-use ile yapılabilir: https://browser-use.com/
    • İç mekân düzenlemesi yaparken, çok spesifik bir isteme uyan eşyaları bulmaya kesinlikle ilgi duyuyorum.

  • İyi yapılmış. Claude Desktop’ta test ettim; sorunsuz çalıştı ve Playwright’tan çok daha az hantal geldi. Doğru yönde ilerliyor.
    Zaten yaptınız mı bilmiyorum ama sayfada CAPTCHA algılanırsa otomasyonu duraklatıp kullanıcıya müdahale gerektiğini bildirmesi iyi olur. Playwright CAPTCHA’yı da zorlamaya devam etmeye çalışıyor.

  • Web’de bilgi bulup sonuçları bir Google Sheets elektronik tablosuna koyma işi ilk başta neredeyse kusursuz çalıştı, fakat sonraki 8-10 denemede tamamen başarısız oldu.
    Tarayıcıda olanlarla MCP uygulaması, burada Claude Desktop, arasında bir gecikme sorunu mu var merak ediyorum. İlk denemede “Allow for this chat” iznine yeterince hızlı tıkladım; sonrakilerde ise izne tıkladığım sırada LLM’in “Tıklamayla ilgili bir sorun olmuş gibi görünüyor. Başka bir referansla tekrar deneyeceğim” diye rapor verdiği hissine kapıldım.
    İlkinde kusursuz çalışan Google e-tablosu başlığına tıklayıp ad girme gibi eylemler, sonraki denemelerde %100 başarısız oldu. A1, B1 gibi hücreleri tanıma ve satır girme de aynı şekilde. Deneyimin kendisi çok akıcı; kurulum ve çalıştırma harika, ancak gecikme ve izin düğmesine tıklama hızı nedeniyle Claude Desktop’ta fiilen kullanılması zor görünüyor.

    • Google Sheets gibi zengin arayüzler, genel amaçlı bir tarayıcı otomasyonu MCP sunucusu için kötü bir kullanım senaryosu gibi görünüyor.
      Böyle bir MCP sunucusu olsa, ama LLM’in Google Sheets hücrelerini okuyup yazabilmesini sağlayan özel bir araç sunsa iyi olurdu. Web sayfasıyla genel olarak etkileşmek yerine daha spesifik bir soyutlama verilirse bu tür işler çok daha iyi halledilir.
    • Google Sheets MCP üzerinde çalışmıştım; veri kazıma için Claude’un yerleşik arama özelliğinden yararlanarak oldukça iyi çalıştı.
      Örnek: https://x.com/xing101/status/1903391600040083488
      Kurulum: https://github.com/xing5/mcp-google-sheets
    • Yaşadığınız şey genellikle şans denen şey.
      İnsanların yeni ChatGPT sürümünün sürekli zayıflatıldığını düşünmesinin nedeni de aynı. Gerçekte ilk başta şanslıydınız ve o olumlu ilk sonuca dayanarak gerçekçi olmayan beklentiler geliştirdiniz. Bu bir bug ya da kusur değil; istediğiniz davranışı gerçekleştirme istatistiksel olasılığı düşükken ilk turda iyi zar gelmesine daha yakın.
    • Benim durumumda Google Sheets’te hiçbir yere tıklayamıyor. Şu hata çıkıyor:
      --Error: Cannot access a chrome-extension:// URL of different extension

  • Böyle şeyler masraf beyanı gibi elle yapılan işler için gerçekten heyecan verici. Her ay hizmet sağlayıcıların sitelerine girip oturum açmam, ekstreyi bulup indirmem, ayrıntıları doldurduğum bir Google dokümanı oluşturmam, indirmem, yeni bir e-posta yazıp tüm dosyaları yüklemem gerekiyor.
    Eklerin doğru olup olmadığını tekrar kontrol etmek için bazen e-postadan doğrudan göremediğimden yeniden indirmem de gerekiyor. Otomasyonun kendisi zaten mümkün ve düzgün bir harcama takip uygulaması bu işin yarısını ortadan kaldırabilir; ancak yapay zeka araçlarının daha küçük ayrıntı yazma yükünü ciddi ölçüde azaltma potansiyeli var. Bu tür iş akışlarında küçük değişiklikler sık yaşandığı için bu özellikle önemli.

  • Buradaki çoğu kişi için bariz olabilir ama MCP sunucusunu çalıştırmak için Node.js kurulu olmalı. Bu önemli ayrıntı kurulum talimatlarında yok.

  • Benzer bir şey yaptım; donanım synthesizer’ını kontrol ederek gerçek düğmelere dokunmadan sound design yapmayı sağlıyor: https://github.com/zerubeus/elektron-mcp

    • İyi fikir.
      Eklentileri uzaktan kontrol etmeyi ve LLM’in mevcut araçlarla mastering ve ton ayarı yapmasını hayal edebiliyorum. VST’lerin karmaşık ve fazlasıyla grafik ağırlıklı arayüzleri bir performans engeli olabilir, ancak etiketlenmiş bir MIDI mapping arayüzüne bağlanıp knob’ları ve seviyeleri kontrol edebilir.

  • Ekran görüntülerine güvenmek yerine Chrome geliştirici araçlarının erişilebilirlik ağacı ile sayfada gezinilebilse iyi olurdu: https://developer.chrome.com/blog/full-accessibility-tree

    • Aslında ters anlamışsınız. Şu anda ekran görüntüsü yok, yalnızca erişilebilirlik ağacı var.