Auto Browser: geteilter Playwright-Browser für KI-Agenten mit menschlicher Kontrolle
Geben Sie Ihrem KI-Agenten einen echten Browser, an dem ein Mensch beteiligt ist. Open-Source-MCP-nativer Browser-Agent.
Auf einen Blick
- Was ist das?
- LvcidPsyche/auto-browser kapselt eine Playwright-Sitzung als MCP-Server ein, sodass LLM-Agenten, MCP-Clients und menschliche Bediener denselben Live-Browser nutzen. Das MIT-lizenzierte Python-Projekt setzt auf Genehmigungen, Audit-Pfade, Auth-Profile und lokale Bereitstellung per Docker Compose.
- Für wen ist es gedacht?
- Auto Browser passt für interne Dashboards, QA-Flüsse und Erkundungsarbeiten, bei denen ein Agent echte Seiten besuchen muss, aber ein Mensch eingreifen können sollte. Wer CAPTCHA-Lösung, unautorisiertes Scraping oder Identitätstäuschung erwartet, liegt laut README ausdrücklich falsch.
- Darf ich es kommerziell nutzen?
- Ja. MIT ist eine freizügige Lizenz: Sie dürfen darauf aufbauende Software nutzen, verändern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 18 Tagen.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 14. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Ein gemeinsamer Browser für MCP-Clients und Bediener
Auto Browser verpackt eine Playwright-basierte Browsersitzung als MCP-Server und gibt damit MCP-Clients, LLM-Agenten und menschlichen Bedienern denselben Live-Browser in die Hand. Die README formuliert das Ziel als Slogan: einem KI-Agenten einen echten Browser geben, mit einem Menschen in der Schleife.
Die Steuerung umfasst Screenshots, DOM-Zusammenfassungen, OCR-Auszüge, Tab-Kontrolle, Downloads und Netzwerkinspektion. Kompatibel ist das System mit Claude Desktop, Cursor und jedem MCP-Client, der HTTP oder stdio spricht; für direkte Kontrolle genügen REST-Aufrufe. Als gute Einsatzzwecke nennt die README interne Dashboards, bedienerunterstützte QA, einmalige Anmeldung mit späterer Wiederverwendung und brüchige Websites, bei denen ein Mensch den Ablauf wieder in die Spur bringen können muss.
Menschliche Übernahme über noVNC bei brüchigen Seiten
Der Kern des Designs liegt in der Übernahme: Über noVNC bleibt dieselbe Live-Sitzung für einen Menschen erreichbar, wenn das Web brüchig wird oder ein Login hakt. Der Bediener sieht nicht nur den Stand, sondern greift direkt ein, und der Agent arbeitet anschließend im selben Kontext weiter.
Das System protokolliert dabei Bediener-Identitäts-Header, Genehmigungsgates und Audit-Ereignisse. Was falsch laufen kann, räumt das Projekt selbst ein: Die Datei docs/audits/2026-08-execution-audit.md dokumentiert ein adversarisches Audit, das Sicherheitskontrollen fand, die Erfolg meldeten, während sie nichts taten, samt Reproduktionen und den Fixes, die diese Klasse schließen sollen. Ein Team sollte dieses Dokument vor dem Einsatz lesen, statt sich auf das Feature-Sheet zu verlassen.
Login einmal, Wiederverwendung über Auth-Profile
Der empfohlene Einstiegsablauf der README ist die Profil-Wiederverwendung: eine Sitzung anlegen, sich bei Bedarf manuell anmelden, die Sitzung als benanntes Auth-Profil speichern, danach eine neue Sitzung aus diesem Profil öffnen und ohne erneute Authentifizierung weiterarbeiten.
Dabei sind Fork-State-Exporte laut den Release-Notizen verschlüsselt abgelegt, und Schatten-Browse-Zustand fasst nie die Festplatte an. Für lokale Anmeldungen muss die verschlüsselte Speicherung über AUTH_STATE_ENCRYPTION_KEY und REQUIRE_AUTH_STATE_ENCRYPTION aktiv geschaltet werden, was als eigene Konfigurationsentscheidung im README erscheint und nicht von Vornherein gesetzt ist.
Release v1.5.0: Text-Preset, Suche und offene Modellwahl
Version 1.5.0 bringt ein Text-Beobachtungs-Preset, das die Barrierefreiheits-Gliederung, extrahierten Text und Interaktionselemente ohne Screenshot und ohne OCR zurückgibt. Das Setzen von PERCEPTION_PRESET_DEFAULT=text macht es zum Standard für die ganze Bereitstellung. browser.find_elements akzeptiert statt eines CSS-Selektors eine Abfrage aus Klartext oder Regex mit Kontext pro Treffer.
Zur Modellwahl dient ein generischer Adapter für jeden über einen OpenAI-kompatiblen /chat/completions-Endpunkt erreichbaren Anbieter; die README nennt openrouter, xai, deepseek, minimax und openai_compatible für lokal gehostete Varianten wie Ollama, vLLM oder LM Studio, außerdem Azure, Together, Groq und Fireworks. Ein Fallback parst Inhalte, wenn der Endpunkt tool_choice ignoriert. Dazu kommen die MCP-Ressource browser://audit/events und eine in CI erzwungene Playwright-Pin-Gleichheit zwischen Controller und Browser-Knoten.
Schnellstart: docker compose up und der erste Ablauf
Der Schnellstart ist kurz gehalten: git clone sowie cd auto-browser, danach docker compose up --build. Laut README reicht das für die lokale Entwicklung mit den Standardeinstellungen. Optional folgen cp .env.example .env und make doctor in einem Terminal mit lokalem Docker-Zugriff.
Die veröffentlichten Ports binden standardmäßig an 127.0.0.1: Die API-Dokumentation liegt unter http://127.0.0.1:8000/docs, das Bediener-Dashboard unter /dashboard, die visuelle Übernahme unter Port 6080 mit /vnc.html. Codespaces stellt den Stack automatisch bereit und benötigt laut README etwa 90 Sekunden. Testbeispiele samt curl-Aufrufen liefern die Dokumentationsdateien im Repository, sodass der erste eigene Ablauf ohne Grafikkonfiguration startbar ist.
Sicherheits- und Compliance-Profile für den Betrieb
Für private Bereitstellungen nennt die README eine Reihe von Einstellungen: APP_ENV=production, API_BEARER_TOKEN, REQUIRE_OPERATOR_ID, AUTH_STATE_ENCRYPTION_KEY, REQUIRE_AUTH_STATE_ENCRYPTION, REQUEST_RATE_LIMIT_ENABLED, METRICS_ENABLED und STEALTH_ENABLED=false. COMPLIANCE_TEMPLATE wendet fertige Haltungen an: strict verlangt verschlüsselte Authentifizierung, Bedienerkennung, PII-Bereinigung auf allen Ebenen, docker_ephemeral-Isolation und eine maximale Sitzungsdauer von vier Stunden, balanced verlangt Bedienerkennung, PII-Bereinigung für Netzwerk und Text, gemeinsame Isolation und ein Maximum von 24 Stunden. Beide schreiben Upload-Genehmigungen vor und aktivieren Witness-Belege.
Die Belege sind Ed25519-signiert, und ein exportiertes Bundle lässt sich mit scripts/verify_witness_bundle.py prüfen, das keine Abhängigkeit aus diesem Projekt importiert, sodass ein Empfänger den Controller nicht ausführen oder ihm vertrauen muss. Legacy-Namen wie HIPAA, SOC2, GDPR und PCI-DSS funktionieren laut README weiterhin als veraltete Aliasnamen mit Warnung.
Architektur, Modelladapter und gestaffelte Skill-Induktion
Das Repository gliedert sich in browser-node für Chromium, Xvfb, x11vnc und noVNC, controller für den FastAPI-Server, den MCP-Transport und die Policy-Rails, data für Laufzeit-Artefakte und scripts für lokale Helfer. Die Modellanbieter besitzen Adapter für OpenAI, Claude und Gemini sowie den generischen OpenAI-kompatiblen Weg.
Der Stage-0-Konvergenz-Harness wandelt verifizierte Browser-Traces in Skill-Kandidaten mit signierter Herkunft um, sobald eine Mesh-Identität konfiguriert ist. Kandidaten bleiben gestaffelt, die Beförderung ist explizit und überprüft. Schreibgeschützte Werkzeuge wie harness.list_runs, harness.get_status und harness.get_trace liegen im Standardprofil; Konvergenzläufe und Kandidatenpflege verlangen MCP_TOOL_PROFILE=full oder direkte REST-Aufrufe. Die Änderungen seit v1.3.0, etwa der Umbau von browser_manager.py von 1284 auf 769 Zeilen, sind im CHANGELOG.md dokumentiert.
Grenzen und realistische Erwartung
Die README grenzt das Projekt klar ab: CAPTCHA-Lösung, unautorisiertes Scraping und täuschende Identitätsbildung sind ausdrücklich nicht das Ziel. Ein Team, das automatisierte Massenabfragen mit Umgehung von Zugangsbeschränkungen plant, muss sich ein anderes Werkzeug suchen.
Für den produktiven Einsatz bleiben offene Punkte: Die README liefert keine Latenz- oder Lastzahlen und keine Garantie, dass die Trace-Vertrauenskette mit einer fremden Mesh-Infrastruktur bereits überprüft wurde. Sinnvoll ist deshalb ein Budget für die Einarbeitung: Codespaces oder der lokale Compose-Stack, ein Auth-Profil von einer Testseite, ein Blick in docs/audits/2026-08-execution-audit.md und ein kleiner Smoke-Befehl aus den README-Beispielen. Die MIT-Lizenz erlaubt kommerzielle Nutzung und Änderungen, verlangt aber die Beibehaltung des Copyright-Hinweises in eigenen Kopien.
Redaktionelles Fazit
Auto Browser passt für interne Dashboards, QA-Flüsse und Erkundungsarbeiten, bei denen ein Agent echte Seiten besuchen muss, aber ein Mensch eingreifen können sollte. Wer CAPTCHA-Lösung, unautorisiertes Scraping oder Identitätstäuschung erwartet, liegt laut README ausdrücklich falsch. Vor dem produktiven Einsatz gehören ein lokaler Durchlauf mit docker compose up --build, die Prüfung von Dashboard und noVNC auf 127.0.0.1 sowie die Lektüre der eigenen Audits in docs/audits/2026-08-execution-audit.md in den Plan.
Community-Notizen