什么是Aipex Browser
Aipex Browser 是一款基于 Model Context Protocol (MCP) 的浏览器自动化工具，通过 Chrome 扩展与 AI 智能体实现深度交互。它允许用户以自然语言指令控制 Chrome 浏览器，涵盖页面导航、元素点击、表单填写、截图捕获等常见操作。其核心架构由三部分组成：AI 智能体（MCP 客户端）通过标准输入输出与本地运行的 `aipex-mcp-bridge` 桥接程序通信，后者再通过 WebSocket 连接至已安装的 AIPex Chrome 扩展，最终调用浏览器原生 API 执行具体任务。这种分层设计确保了跨平台兼容性和低延迟响应，同时避免了传统浏览器自动化方案中复杂的驱动配置问题。 该工具特别适合需要频繁进行网页数据采集、自动化测试或交互式内容抓取的场景。例如，开发者可以利用它快速验证网页功能是否正常，产品经理可通过截图对比检查 UI 变更，而数据分析师则能自动提取表格内容并保存为结构化格式。由于支持多标签页管理和批量操作，用户可以在单个会话中完成复杂的多步骤工作流，如登录系统后遍历多个页面下载报告。此外，Aipex 还提供了像素级交互能力，在遇到非语义化 HTML 或 Canvas 渲染界面时，可结合屏幕坐标精准定位目标区域。
核心功能特点
- 支持自然语言驱动的浏览器操作，包括点击链接、填写表单、滚动页面和截取屏幕
- 提供超过30种细粒度工具，覆盖标签管理、UI交互、内容提取和文件下载等功能
- 采用 MCP 协议桥接架构，无需手动安装依赖，通过 npx 即可一键启动服务
- 具备智能元素识别机制，优先使用无障碍树 UID 定位元素，降低 token 消耗
- 支持多窗口多标签协同操作，可同时监控和管理多个浏览器实例
- 集成人类介入机制，可在自动化流程中暂停请求用户确认关键操作
适用场景
Aipex Browser 最典型的应用场景是网页自动化测试与回归验证。开发团队在部署新版本前，可使用该工具自动访问所有核心功能页面，依次触发按钮点击、表单提交等操作，并调用 `capture_screenshot` 比对视觉差异。相比人工逐项检查，这种方式不仅效率提升数倍，还能确保测试覆盖率一致。对于前端工程师而言，当遇到动态加载内容或 Shadow DOM 结构时，传统 DOM 查询方式往往失效，此时 Aipex 提供的 `search_elements` 结合 `computer` 工具仍能准确完成任务。 另一个高频使用场景是数据爬取与信息归档。研究人员或商业分析师经常需要从电商平台、新闻网站或政府公开数据库中定期收集结构化数据。借助 Aipex 的 `download_text_as_markdown` 和 `get_page_metadata` 功能，用户可将原始 HTML 转换为保留格式的文本文件，避免后续清洗成本。例如，某市场研究员每天定时运行脚本打开指定商品列表页，筛选出价格低于阈值的条目并导出为 CSV，整个过程完全无人值守。此外，在客户支持场景中，客服人员也可利用此工具模拟用户路径复现问题，快速定位故障环节。