Braiser

Braiser 是一个面向本地 AI 浏览器 Agent 的安全、结构化和记忆层。当前 MVP 保持很小，但已经拆出了本地 daemon，避免多个 Codex/MCP 会话争抢同一个浏览器 WebSocket 端口。

本地 Agent / Codex
        -> MCP stdio
braiser-mcp
        -> WebSocket ws://127.0.0.1:17833
braiser-daemon
        -> WebSocket ws://127.0.0.1:17832
Chrome 扩展 debug bridge
        -> Braised tab group 中的 agent focus 页面

第一阶段目标：让本地 Agent 能通过 MCP 稳定观察和操作 Chrome 中受控的目标页面，并拿到清洗后的可读内容或带交互元素编号的 agent-html。

当前功能

• TypeScript 编写的 Chrome 扩展。
• TypeScript 编写的本地 MCP server。
• 本地 braiser-daemon 作为单例浏览器桥接进程。
• MCP server 与 daemon 通过 ws://127.0.0.1:17833 通信。
• Chrome 扩展 debug bridge 与 daemon 通过 ws://127.0.0.1:17832 通信。
• 读取和管理 Braised tab group 中的 agent focus 页面。
• 抽取目标页面并以 Markdown 形式返回正文。
• 生成带 data-eid 的 agent-html。
• 对 agent-html 中登记过的元素执行点击、输入、选择、切换、聚焦和滚动。
• 将页面保存为本地 Markdown。

环境要求

• Node.js
• npm
• Google Chrome，或支持 Manifest V3 的 Chromium 浏览器

安装依赖

npm install

Markdown conversion setup

Markdown export uses Microsoft MarkItDown from a project-local Python virtual environment. Run this once after npm install:

npm run setup:markdown

This creates .venv-markdown/ and installs packages from requirements-markdown.txt. Braiser preprocesses KaTeX annotations into marked math nodes before handing the HTML to a project-local MarkItDown wrapper, so math text is preserved instead of being escaped as ordinary Markdown text.

Markdown export can be run with:

npm run download:markdown

To inspect the preprocessed HTML before Markdown conversion, run:

npm run download:preprocessed-html

Observe output and runtime DOM can also be downloaded with:

npm run download:observe
npm run download:dom

The normalization and conversion contract is documented in docs/markdown_pipeline.md.

构建

npm run build

也可以分别构建：

npm run build:extension
npm run build:mcp

TypeScript 源码位于 extension/src/ 和 mcp/src/。构建产物输出到 extension/dist/ 和 mcp/dist/。

加载 Chrome 扩展

1. 运行 npm run build。
2. 打开 Chrome，进入 chrome://extensions/。
3. 开启“开发者模式”。
4. 点击“加载已解压的扩展程序”。
5. 选择 extension/ 目录。

扩展 popup 会显示目标页面信息，以及 debug bridge 是否已经连接到本地 daemon。

运行方式

在 Chrome 中准备一个标题为 Braised 的 tab group。Braiser 会维护一个 agent focus tab，所有观察和操作默认作用于这个 tab；初次使用或已保存的焦点失效时，会回退到该组最后一个 tab。也可以通过 MCP tab 工具创建、打开、切换或关闭 Braised 组内页面。

通常只需要由 Codex 的 MCP 配置启动：

[mcp_servers.braiser]
command = 'C:\Program Files\nodejs\node.exe'
args = ['D:\Life\project\Braiser\Braiser\mcp\dist\server.js']

mcp/dist/server.js 会在启动时尝试连接本地 daemon；如果 daemon 不存在，会自动后台启动 mcp/dist/daemon.js。

也可以手动启动：

npm run daemon
npm run mcp

端口约定：

ws://127.0.0.1:17832  Chrome 扩展 debug bridge -> braiser-daemon
ws://127.0.0.1:17833  braiser-mcp -> braiser-daemon

打开扩展 popup，点击“打开 Bridge”。Bridge 页面会连接 daemon，并在页面保持打开时维持 WebSocket 常驻。这样可以避免 MV3 background service worker 休眠导致连接断开。

常用 CLI 辅助命令：

npm run tabs
npm run switch-tab -- <tabId>

MCP Tools

当前暴露的工具：

• braiser.status：检查 MCP、daemon 和扩展连接状态。
• browser.get_active_tab：获取 Braised tab group 中当前 agent focus tab 的标题、URL 和 tab id。名称保留 active_tab 是为了兼容早期调用方。
• browser.list_tabs：列出 Braised tab group 中的页面，并标出当前 agent focus tab。
• browser.create_tab：在 Braised tab group 中创建新 tab，并将其设为 agent focus tab。
• browser.open_tab：在指定 tab 或当前 agent focus tab 中打开 URL。
• browser.close_tab：关闭指定 tab 或当前 agent focus tab，并重新选择焦点。
• browser.switch_tab：把 agent focus 切换到 Braised tab group 中的指定 tab。
• browser.download：通过 Chrome 原生下载管理器下载 URL 到默认下载目录；相对 URL 会基于当前 agent focus tab 解析，可选传入默认目录下的文件名。
• browser.observe：把目标页面 DOM 转成带 data-eid 的 agent-html；除 DOM/ARIA 规则外，也会纳入 CDP isClickable 发现的元素。CDP 节点通过 content script bridge 注册进 observe registry，不向真实 DOM 写临时属性。
• browser.act：根据 snapshotId 和 elementId 执行受控页面动作。
• browser.upload：把本地绝对路径指向的普通文件设置到 observe 快照中的 <input type="file">；文件选入后立即返回，不等待网页完成上传或处理。
• debug.inject_js：仅用于调试，向目标页面 MAIN world 注入 JavaScript，并返回 JSON 可序列化结果。
• debug.cdp_command：仅用于调试，向目标 tab 发送 Chrome DevTools Protocol 命令，并返回 JSON 可序列化结果。
• page.extract_readable_text：抽取目标页面运行时 DOM，并复用 Markdown pipeline，在返回对象的 text 字段中提供 Markdown。
• page.save_current_page：抽取目标页面并保存为 Markdown。

保存的页面写入：

~/.braiser/pages/

braiser.status 返回示例：

{
  "mcp": "ok",
  "daemonConnected": true,
  "extensionConnected": true
}

说明

当前 MVP 不做复杂权限系统、远程连接、账号体系、云同步或多用户管理。它只验证一件事：本地 Agent 是否能通过 MCP 稳定、有价值地观察并操作浏览器页面。

更多设计说明见 docs/。