کنترل مستقیم Chrome توسط ایجنت‌ها، بدون MCP
هوش مصنوعی
نود جیاس
گوگلخلاصهٔ کامل‌تر
faster-chrome-devtools-skill یه پروژهٔ متن‌بازه که هم agent skill هست و هم ابزار خط فرمان. کارش اینه که ایجنت‌های کدنویسی بتونن Chrome رو مستقیم از طریق Chrome DevTools Protocol یا همون CDP (یعنی پروتکلی که خود DevTools کروم باهاش مرورگر رو کنترل می‌کنه) هدایت کنن. با Claude Code، OpenCode، Codex، Pi و هر ایجنتی که از پروتکل Agent Skills پشتیبانی کنه کار می‌کنه.
ایجنت باهاش می‌تونه تب‌ها رو لیست کنه، باز کنه و دوباره ازشون استفاده کنه. می‌تونه یه snapshot فشرده از درخت accessibility صفحه (یعنی نسخهٔ ساختاری صفحه که screen readerها می‌خونن) بگیره و با ارجاع‌های ثابت روی المنت‌ها کلیک کنه یا فرم پر کنه. به جای sleepهای الکی، منتظر یه متن یا selector می‌مونه. اسکرین‌شات‌ها پیش‌فرض JPEG یا WebP فشرده‌ان و با دستور raw هم میشه هر متد CDP رو مستقیم صدا زد.
سه حالت اجرا داره: کنترل همون Chrome خودت که توش لاگین هستی (باید remote debugging رو از chrome://inspect فعال کنی)، یه Chromium تمیز و ناشناس با پروفایل یک‌بارمصرف، یا اجرا تو کلاد روی Cloudflare Browser Run. حالت کلاد از human-in-the-loop هم پشتیبانی می‌کنه. یعنی برای لاگین، MFA، CAPTCHA یا تأیید کارهای حساس، کنترل از طریق Live View به یه آدم واقعی سپرده میشه.
کل ابزار فقط با ماژول‌های داخلی Node.js نوشته شده و به Puppeteer، Playwright یا Chrome DevTools MCP نیازی نداره. یه کلاینت کوچیک WebSocket طبق RFC 6455 داره، چون WebSocket سراسری Node اجازهٔ فرستادن هدرهای HTTP سفارشی رو نمی‌ده. یه daemon پس‌زمینه که فقط روی loopback گوش می‌ده، اتصال CDP رو ۲۰ دقیقه باز نگه می‌داره. یعنی Chrome هی ازت اجازه نمی‌گیره و daemon هم روی شبکه در دسترس نیست.
نویسنده می‌گه Chrome DevTools MCP گوگل هنوز ابزار خوبیه، ولی CLI چند تا مزیت داره. سرور MCP ده‌ها ابزار رو برای کل جلسه به مدل معرفی می‌کنه، ولی این skill تا وقتی استفاده نشه فقط توضیحش لود میشه. مهم‌تر اینکه MCP اسکرین‌شات‌ها رو مستقیم به مدل برمی‌گردونه و عکس‌های بزرگ گاهی بی‌صدا حذف می‌شن یا جلسه رو خراب می‌کنن. این CLI عکس رو تو فایل می‌نویسه و فقط مسیرش رو برمی‌گردونه.
نکات کلیدی:
- با Claude Code، OpenCode، Codex، Pi و هر ایجنت سازگار با Agent Skills کار می‌کنه
- فقط Node.js لازمه؛ Puppeteer، Playwright و MCP لازم نیست
- daemon پس‌زمینه اتصال CDP رو ۲۰ دقیقه باز نگه می‌داره و فقط روی loopback هست
- دستور raw دسترسی به کل متدهای CDP رو می‌ده، نه فقط یه سری ابزار ثابت
- اسکرین‌شات‌ها تو فایل ذخیره می‌شن و فقط مسیرشون به مدل برمی‌گرده
- پشتیبانی از Cloudflare Browser Run با تحویل کنترل به انسان برای MFA و CAPTCHA
