camofox-mcp
redf0x1/camofox-mcp加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
2024年以来，大型语言模型（LLM）开始广泛进入自动化工作场景——从网页数据采集、价格监控、竞品调研，到社交媒体内容抓取，AI Agent 正在替代人类完成大量重复性网络操作。然而，一个致命问题随之而来：主流网站越来越擅长识别机器人流量。
Cloudflare、PerimeterX、DataDome、Perplexity Bot Detection 等反爬虫系统，通过分析浏览器指纹（Canvas/WebGL 哈希、字体列表、HTTP 头部时序）、鼠标轨迹、操作行为模式，甚至 GPU 渲染特征，能以极高准确率识别 headless Chrome 或 Playwright 脚本。一旦被识别，轻则弹验证码，重则直接封 IP，导致整个自动化流程中断。
CamoFox MCP 就是在这一痛点下诞生的：它将 MCP（Model Context Protocol）客户端（如 Claude Desktop、Cursor）与 CamoFox 反检测浏览器深度集成，让 AI Agent 以"更像真人"的方式操作浏览器，绕过主流反爬虫系统的检测。
CamoFox 的底层依赖 Camoufox——一个专为反检测设计的 Playwright 分叉。Camoufox 在标准 Playwright 之上做了大量底层改动：
CamoFox MCP 则将这层浏览器能力通过 MCP 协议暴露给 AI Agent，将反检测浏览变成了一个标准的 AI 工具调用体验。
CamoFox MCP 提供了 13 个分类、共 47 个浏览器自动化工具，设计之完整令人印象深刻：
| 分类 | 代表工具 | 说明 |
|---|---|---|
| 导航 | navigate, back, forward, reload | 标准页面导航 |
| 交互 | click, type, select_option, hover | 元素操作 |
| 观察 | snapshot, get_text, get_attribute | 页面内容提取 |
| 搜索 | search | 搜索引擎交互 |
| 下载 | download_file | 文件下载管理 |
| 会话 | create_profile, load_profile, delete_profile | 多身份管理 |
| 标签页 | create_tab, switch_tab, close_tab | 多标签协同 |
| 批量 | batch_* | 批量任务编排 |
| 提取 | extract_* | 结构化数据抽取 |
| YouTube | youtube_* | 视频平台专用 |
| 预设 | preset_* | 预配置场景 |
| 观察+ | observe_* | 实时页面监控 |
这些工具以 JSON-RPC over stdio 的方式暴露给 MCP 客户端。AI Agent 可以像调用本地函数一样调用它们，无需关心底层浏览器协议细节。
CamoFox MCP 的部署有一个关键架构特点：它不是单一容器，而是双组件协同：
camofox-browser（浏览器服务端）：负责启动和管理反检测 Chromium 实例，通过 HTTP API（默认端口 9377）暴露浏览器控制接口。camofox-mcp（MCP 服务器）：负责接收 AI Agent 的 MCP 请求，转换为浏览器 API 调用。项目提供了 Docker 一键部署支持：
# 启动浏览器服务
docker run -d -p 9377:9377 --name camofox-browser ghcr.io/redf0x1/camofox-browser:latest
# docker-compose 编排（需注意：MCP 部分用 profiles 按需启动）
docker compose up -d
但官方同时提醒：不要用 docker compose up -d 启动 MCP 服务，因为 MCP over stdio 不是守护进程模式，应该用 docker compose run --rm -T camofox-mcp 按需调用。这体现了设计者对 MCP stdio 协议本质的准确理解。
对于本地开发，只需 Node.js 18+：npm install && npm run dev。
CamoFox MCP 在 SECURITY.md 中明确列出了安全边界，这对于一个涉及浏览器控制的工具至关重要：
CAMOFOX_HTTP_API_KEY 认证CAMOFOX_AUTH_MODE=trust 仅限可信内网：此模式下浏览器服务不验证 API Key，一旦暴露公网等于裸奔这种安全设计思路值得肯定——不回避风险，而是明确告知用户边界在哪里。
尽管设计精良，CamoFox MCP 也有其局限：
CamoFox MCP 的出现折射出一个更大的趋势：AI Agent 从"纯文本交互"向"真实世界操作"的进化。
当 Agent 需要操作真实网站时，传统的 HTTP API 请求方案（requests/curl）力不从心——大量现代 Web 应用是 SPA（单页应用），内容通过 JavaScript 动态渲染，根本没有可供爬取的静态 HTML。反检测浏览是唯一可靠路径。
从 GitHub 数据看，该项目已有 97 颗星、20+ 个 topic 标签，涵盖 ai-agent、browser-automation、mcp、llm 等多个火热赛道。维护者 redf0x1 保持活跃更新（最新版本 1.14.5，2026年6月），版本迭代稳定。
一句话总结：CamoFox MCP 是 AI Agent 领域的"浏览器隐身衣"，通过 MCP 协议将反检测浏览器能力标准化输出，让 AI Agent 在真实网站上自由翱翔而不被识别。