Architektur

Zwei Ebenen

das Sprachmodell, über seinen MCP-Client    urteilt, entscheidet, erklärt es Ihnen
   │   14 Werkzeuge über Standardeingabe und -ausgabe
mcp-server-diwall-browser                   beobachtet, handelt, lehnt ab
   │   Chrome DevTools Protocol, nur auf 127.0.0.1
Ihr Browser, auf seinem eigenen Profil      hält Ihre angemeldeten Sitzungen

neben dem Server
   das verschlüsselte Verzeichnis           Zugangsdaten hinein; Journal, Aufnahmen, Downloads heraus
   das Bestätigungsfenster                  kdialog oder zenity, von Ihnen beantwortet

Das Modell bringt das Urteil mit. Der Server bringt, was das Modell allein nicht haben kann: das Bild und den Baum, die Sie sehen würden, Gesten in Ihrer Sitzung und Ablehnungen, die nicht davon abhängen, was das Modell folgert.

Warum der Server in Ihrem Browser arbeitet, statt einen zu starten, steht in Warum sich der Server an Ihren Browser anbindet.

Ein Durchlauf der Schleife

1. open_tab oder navigate lädt eine Seite in einem Tab, den der Server geöffnet hat. Der Server liest oder steuert nie einen Tab, den Sie selbst geöffnet haben.
2. observe erstellt einen Snapshot, nummeriert die Elemente, auf denen gehandelt werden kann, zeichnet die Markierungen und die Masken auf das Bild und gibt das Bild, den Baum, die Elemente und eine snapshot_id zurück (Wahrnehmung).
3. Das Modell nennt eine Markierung dieses Snapshots in click, fill, select_option oder press_key.
4. Der Server rechnet die Aktion auf die Obergrenzen an, prüft, dass der Knoten hinter der Markierung der beobachtete ist und dass die Seite auf einer Website Ihres Profils liegt, und entscheidet, ob die Aktion gesperrt ist. Eine gesperrte Aktion wird ins Journal geschrieben und aufgenommen und wartet dann auf Ihre Antwort; der Server prüft den Knoten erneut, führt die Geste aus, wartet auf den Ladevorgang, den sie ausgelöst hat, und nimmt erneut auf.
5. Das Ergebnis verlässt den Server über eine einzige Ausgabestelle, die sensible Werte zurückhält und das, was der Server feststellt (server), von dem trennt, was die Seite geschrieben hat (page_content). Das Journal erhält eine Zeile.

Im Code

In Version 0.0.1 hat das Paket 22 Module und je Werkzeug eine Datei unter tools/. Jede Sicherheitsprüfung lebt nur in einem Modul, und ein Modul, das sie braucht, ruft dieses eine auf; die Tests prüfen das und dass kein Werkzeug die Ausgabestelle umgeht. Das Architekturdokument des Repositorys nennt die Rolle jedes einzelnen davon.