# agentic-browser MCP server

> Lets AI agents use a real Google Chrome instance to perceive pages as compact text and interact with elements using precise pixel coordinates.

- Repository: https://github.com/davarion-tech/agentic-browser
- Page: https://hostedmcp.org/servers/davarion-tech/agentic-browser
- Transport: stdio
- Stars: 3
- License: MIT
- Latest version: 1.4.0

## Install

### Claude Code

```sh
claude mcp add agentic-browser -- npx -y agentic-browser-mcp
```

### Cursor (`~/.cursor/mcp.json`)

```json
{
  "mcpServers": {
    "agentic-browser": {
      "command": "npx",
      "args": [
        "-y",
        "agentic-browser-mcp"
      ]
    }
  }
}
```

### VS Code (`.vscode/mcp.json`)

```json
{
  "servers": {
    "agentic-browser": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "agentic-browser-mcp"
      ]
    }
  }
}
```

### VS Code CLI

```sh
code --add-mcp '{"name":"agentic-browser","type":"stdio","command":"npx","args":["-y","agentic-browser-mcp"]}'
```

### Claude Desktop (`claude_desktop_config.json`)

```json
{
  "mcpServers": {
    "agentic-browser": {
      "command": "npx",
      "args": [
        "-y",
        "agentic-browser-mcp"
      ]
    }
  }
}
```

### Codex

```sh
codex mcp add agentic-browser -- npx -y agentic-browser-mcp
```

### Codex config.toml (`~/.codex/config.toml`)

```toml
[mcp_servers.agentic-browser]
command = "npx"
args = ["-y", "agentic-browser-mcp"]
```

### Gemini CLI

```sh
gemini mcp add -s user agentic-browser npx -- -y agentic-browser-mcp
```

### Gemini settings.json (`~/.gemini/settings.json`)

```json
{
  "mcpServers": {
    "agentic-browser": {
      "command": "npx",
      "args": [
        "-y",
        "agentic-browser-mcp"
      ]
    }
  }
}
```

## Tools (39)

- `browser_navigate`: Abre una URL en la pestaña activa. Devuelve título/URL y opcionalmente el snapshot.
- `browser_history`: Atrás, adelante o recargar.
- `browser_snapshot`: PERCEPCIÓN PRINCIPAL (sin captura). Lista compacta de elementos visibles con ref, rol, nombre, estado y centro @x,y en píxeles. ~15 tokens por elemento. Con diff:true devuelve solo lo que cambió desde el snapshot anterior.
- `browser_find`: Busca elementos por texto/etiqueta y devuelve sus refs y coordenadas, incluso fuera del viewport.
- `browser_element_at`: Visión por píxel SIN imagen: dado (x,y) devuelve qué elemento hay ahí (rol, texto, si es clicable, ruta DOM).
- `browser_cursor`: Posición actual del cursor del agente y el elemento bajo él.
- `browser_move`: Mueve el cursor visible (hover) a un ref o a x,y. Dispara mouseover/mousemove reales.
- `browser_click`: Mueve el cursor de forma visible y hace clic real (CDP Input) sobre un ref o x,y.
- `browser_type`: Escribe texto con eventos de teclado reales. Si das ref/x,y primero hace clic para enfocar. Nunca escribe en contraseñas, códigos 2FA, tarjetas ni números de cuenta (estado {sensitive}): eso lo hace la persona con browser_request_human.
- `browser_press`: Pulsa teclas o combinaciones: "Enter", "Escape", "Control+L", "Tab", "ArrowDown"... Varias separadas por espacio.
- `browser_scroll`: Desplaza con la rueda del ratón (dy>0 baja). Con ref, lleva ese elemento al centro.
- `browser_drag`: Arrastra de un punto/ref a otro con el botón pulsado (sliders, kanban, mapas).
- `browser_select`: Elige opciones en un <select> (por valor o texto visible).
- `browser_upload`: Adjunta archivos locales a un <input type=file> (o al selector que abre un clic en ese ref). Solo desde las carpetas permitidas (AGENT_UPLOAD_DIRS).
- `browser_read`: Texto legible de la página (o de un selector CSS), para leer artículos/resultados.
- `browser_extract`: Datos estructurados en UNA llamada: convierte la tabla o la lista repetida más relevante (productos, resultados, contactos) en filas JSON o CSV, con título, enlace, precio e imagen. Limítalo con ref o selector. Con file lo guarda en disco y solo devuelve un resumen.
- `browser_article`: Modo lectura: devuelve el contenido principal de la página en Markdown limpio (título, autor, fecha, encabezados, texto, listas, tablas, enlaces e imágenes), sin menús, anuncios ni pies. Es la forma más barata de leer o resumir un artículo: resúmelo tú a partir de este texto. Con file lo guarda como .md.
- `browser_pdf`: Guarda la página activa como PDF (o como MHTML: un único archivo con todo incrustado, copia exacta). Usa la sesión del agente, así que sirve también en páginas con login. Antes recorre la página para que carguen las imágenes diferidas.
- `browser_media`: Todo el multimedia de la página (imágenes, vídeos, audio y documentos: lo que hay en el HTML, en los fondos CSS y lo que se cargó por la red) descargado y ordenado en carpetas images/, videos/, audio/, docs/ con un manifest.json (URL de origen, texto alternativo, tamaño, hash). Sin duplicados. Con download:false solo lista. Los streams HLS/DASH se descargan con browser_video. Solo para contenido que puedas guardar: respeta los derechos de autor y los términos de cada sitio.
- `browser_video`: Descarga el vídeo de la página: archivos directos (MP4/WebM) o streams HLS (.m3u8) y DASH (.mpd), que junta con ffmpeg usando la sesión del agente. Detecta lo que carga el reproductor por la red (si no aparece, dale play unos segundos). Se niega con contenido con DRM (Netflix, Disney+, Spotify…). Úsalo solo con vídeos tuyos o que tengas derecho a guardar: YouTube, TikTok, Instagram y otros prohíben descargar en sus términos. list:true muestra los candidatos.
- `browser_eval`: Ejecuta JavaScript en la página y devuelve el resultado (JSON). Desactivada salvo AGENT_ALLOW_EVAL=1.
- `browser_wait`: Espera ms, o hasta que aparezca un texto o selector.
- `browser_watch`: Espera (sin gastar tokens) hasta que la página cambie: aparece texto nuevo, cambia el título (ej. "(3) WhatsApp") o coincide un patrón. Ideal para vigilar chats, correos o resultados que tardan.
- `browser_request_human`: Pide ayuda a la persona que mira el navegador (login, 2FA, CAPTCHA, una decisión). Muestra un banner y espera a que pulse "Listo" o "Cancelar". El agente no ve lo que el humano escribe.
- `browser_trace`: Últimas acciones ejecutadas (herramienta, argumentos, duración, URL, resultado) para depurar o auditar.
- `browser_tabs`: Gestiona pestañas: list, new (con url), select (index), close (index).
- `browser_console`: Últimos mensajes de consola y errores JS de la pestaña activa.
- `browser_events`: Diálogos aceptados, descargas guardadas y popups abiertos desde la última consulta.
- `browser_cursor_style`: Muestra/oculta el cursor visual, su estela, el contador de tokens en vivo (hud) o la máscara de privacidad que difumina contactos y números al grabar o compartir pantalla.
- `browser_dismiss`: Cierra popups que tapan la página (idioma, newsletter, cookies, "inicia sesión con Google"), con clics visibles. Solo pulsa botones de cerrar o rechazar, nunca aceptar, suscribirse ni iniciar sesión. Ya se hace solo tras browser_navigate (AGENT_AUTO_DISMISS=0 lo apaga).
- `browser_stats`: Tokens que ha devuelto agentic-browser en esta sesión frente a lo que habrían costado las capturas de pantalla (una por cada percepción, ancho×alto/750).
- `browser_teach_start`: MODO ENSEÑAR. Empieza a grabar una receta: la persona hace la tarea una vez en el Chrome del agente (clics, textos, selecciones, Enter) y pulsa "Terminar" en el banner. Se guarda por rol y nombre de cada elemento, no por píxeles. Las contraseñas nunca se graban. Después llama a browser_teach_stop.
- `browser_teach_stop`: Termina la grabación de browser_teach_start. Por defecto espera a que la persona pulse "Terminar" (o "Cancelar"). Guarda la receta y devuelve sus pasos y parámetros.
- `browser_recipes`: Lista las recetas grabadas o, con name, muestra sus pasos y parámetros.
- `browser_replay`: Repite una receta grabada. Localiza cada elemento por rol y nombre y ejecuta los pasos sin percibir la página: casi no gasta tokens. params cambia los textos escritos, ej. {"buscar": "facturas octubre"}. Los campos secretos (contraseñas) siempre los escribe la persona.
- `browser_record_start`: Empieza a grabar en vídeo la pestaña activa (con el cursor rojo visible) para clips de demostración. Sigue usando las demás herramientas y termina con browser_record_stop. Las pausas sin cambios conservan su duración real. MP4 (H.264) si hay ffmpeg en el PATH; si no, WebM.
- `browser_record_stop`: Detiene la grabación de browser_record_start y codifica el vídeo. Devuelve ruta, duración (s), tamaño y formato.
- `browser_batch`: Varias acciones en UNA llamada (ahorra un turno del agente por acción): [{tool:"browser_click", args:{ref:12}}, {tool:"browser_type", args:{ref:14, text:"hola", submit:true}}]. Se ejecutan en orden y se detiene en el primer error. Úsala cuando ya sabes los pasos siguientes; con snapshot:true devuelve el estado final.
- `browser_screenshot`: ÚLTIMO RECURSO (gasta tokens): imagen JPEG de la página o de un ref, para contenido puramente visual (canvas, gráficos, captchas no).

## FAQ

### Does agentic-browser require an API key?

No, it is a tool that runs on your computer and uses the subscription or model your agent already has.

### Does it work with my existing Chrome extensions?

Yes, it uses your actual installed Google Chrome, including your extensions and codecs.
