Token导航 LogoToken导航TokenDH.com
Extension Livekit MCP logo
浏览器工具stdio官方级别未说明来源级核验

Extension Livekit MCP

MCP Server

一个通过语音控制浏览器的AI代理,能够执行点击、输入、导航等浏览器操作,并实时反馈给用户。

工具数

1

提示词数

0

GitHub Stars

0

资源数

0
浏览器自动化PythonClaude实时交互Claude

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

hummer-netizen

提供方

hummer-netizen

最后核验

2026/5/17 20:19

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

uv run python agent.py download-files

详细介绍

语音浏览器代理

与控制浏览器的AI对话。 LiveKit+Webfuse MCP。

用户说话。AI正在浏览。“这个页面上有什么?”→ 读它。“打开头条新闻”→ 点击它。“写一个有趣的评论”→ 在文本框中键入一个。

语音输入,浏览器操作输出,语音返回。

先决条件

运作原理

User speaks → LiveKit (WebRTC) → STT → LLM (GPT-4o + Webfuse MCP tools) → TTS → User hears
                                         ↓
                                  Browser actions (click, type, navigate)
                                         ↓
                                  User sees it happen in real time

LLM可以通过Webfuse的MCP端点访问13个浏览器工具。当你说“打开第一个链接”时,GPT-4o会呼叫 act_click 通过MCP,浏览器点击用户的实时标签。

堆栈

  • LiveKit代理,实时语音流水线(STT→ LLM → TTS)
  • Webfuse会话MCP,13个浏览器工具,自动发现
  • LiveKit云WebRTC传输、部署、推理
  • Webfuse扩展侧边栏UI,带麦克风按钮+文字记录

快速开始

1.LiveKit云

注册地址: cloud.livekit.io (免费套餐:每月10000分钟)。

2.代理设置

cd agent
cp ../.env.example .env.local
# Fill in your keys

uv sync
uv run python agent.py download-files
uv run python agent.py dev

3.令牌服务器

cd agent
uvicorn token_server:app --port 8083

4.Webfuse扩展

部署 extension/ 将文件夹添加到您的Webfuse空间。设置 TOKEN_URL env-var到您的令牌服务器URL。

文件

agent/
  agent.py         , Voice agent (LiveKit + Webfuse MCP)
  token_server.py  , Generates LiveKit room tokens
  pyproject.toml   , Python dependencies

extension/
  sidepanel.html   , Voice UI (mic button, transcript, visualizer)
  sidepanel.js     , LiveKit client connection
  background.js    , Extension scaffold
  manifest.json    , Webfuse extension manifest

proxy/
  worker.js        , Cloudflare Worker (CORS proxy for token server)

现场演示

webfu.cn/+livekit-mcp/

建筑

语音代理在服务器端运行并加入LiveKit房间。扩展侧边栏通过WebRTC连接到同一个房间。音频实时双向流动。

当LLM决定使用浏览器工具时,它会调用Webfuse MCP端点。Webfuse将操作路由到用户的浏览器选项卡。当代理讲述时,用户看到浏览器移动。

关键见解:LiveKit处理实时语音的难点(转弯检测、中断处理、回声消除)。Webfuse处理浏览器控制。你的代码只是代理逻辑。

其他Webfuse集成

Webfuse MCP适用于任何AI框架:

许可证

麻省理工学院

目录标签

目录标签

浏览器自动化PythonClaude实时交互语音控制本地部署AI代理WebRTC

支持客户端

Claude

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

token

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

1

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdiotoken部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP