用浏览器扩展为网页 AI 接入本地 MCP
Web MCP Bridge 通过浏览器扩展与本地 Python WebSocket 桥接,让网页 AI 调用本地 stdio MCP 工具,无需 API 密钥。1.8.0 版增加按需分页工具目录及容错 JSON 解析,以降低大量工具描述对浏览器和模型输出处理的负担。
AI 深度解读
免费版 DeepSeek、Gemini、ChatGPT、Claude 能不能直接操作本机文件、运行工具?作者做的 Web MCP Bridge,就是给这些网页聊天界面接上一套本地工具执行框架,让模型从回答问题走向调用工具。
它的吸引力是不用 API Key,也不用本地 GPU。但原文展示的是项目方案和 v1.8.0 的改动,没有提供完整任务实测。理解它,既要看工具怎么接,也要分清「本地执行」和「数据留在本地」。
网页聊天界面怎样接上本地工具
作者认为,让模型成为自主 Agent,关键在外围的执行框架(agent harness)。模型负责提出操作,框架负责提供工具、执行调用、回传结果,并管理授权。
Web MCP Bridge 用 Manifest V3 浏览器扩展,连接一个监听 127.0.0.1 的轻量 Python WebSocket 桥接服务,再接入本地通过标准输入输出通信的 stdio MCP servers。MCP 是 Model Context Protocol,用来约定模型与工具之间的交互方式。
这条链路可以理解成:网页里的模型提出调用请求,扩展和桥接服务把请求交给本机工具,再把结果送回模型。
原文列出的工具方向包括:
- REA,用于逆向工程。
- Craft Anything,用于 3D 建模。
- FFmpeg/Remotion,用于视频编辑。
- 文件系统与终端工具,用于读写文件和执行命令。
这些是作者列出的接入用途,原文没有展示各工具的完整操作过程,也没有给出复杂任务的成功率。能接通工具,与能稳定完成任务,还需要分别验证。

v1.8.0 为什么先解决工具目录和 JSON
工具多了,首先遇到的可能不是执行速度,而是工具说明太长。
作者称,v1.8.0 用约 2k 字符的分页目录,替代了原来约 100k 字符的工具 schema 大段说明。模型通过 list_tools 按需查询工具,不必一次接收全部定义,目标是在接入数百个工具时避免浏览器标签页卡死。
先让模型查目录,再获取所需工具信息,是这次改动里最有参考价值的设计。
它减少了每次塞进对话的信息量。不过,原文没有提供浏览器耗时、内存占用或工具选择准确率的对照数据,也没解释分页查询增加多少交互成本。
另一个改动是三层自修复 JSON 解析器,用来处理模型输出中的格式错误,例如未转义的 Windows 路径和尾随逗号。原文没展开三层分别如何修复,也没说明遇到歧义时如何处理。
解析器能把文本修成合法 JSON,不代表里面的路径、参数和操作意图就正确。尤其接入终端后,格式修复之后仍然需要检查调用内容。
此外,v1.8.0 重做了支持 EN/ES 的双语界面,并采用 MIT 和 Apache 2.0 双许可证。原文没有给出安装命令或调用代码,具体部署过程仍需查项目说明。
我的判断
我认可它把模型、工具连接和授权流程拆开处理的思路。相比手动在聊天窗口与终端之间复制内容,桥接能减少搬运;相比通过 API 接入模型,它尝试利用已有的免费网页入口。
但「零 API Key、零订阅、零本地 GPU」是作者描述的使用条件,不是长期可用性的保证。原文没交代免费网页的额度限制、页面变更兼容性,以及长任务中断后的恢复方式,也没有与 API 方案做稳定性对比。
安全方面,作者称桥接服务拒绝非扩展来源,隔离工具输出以防提示注入,默认使用「Ask every time」,每次执行都需要明确批准。这些是合理的防护方向,但原文没有提供实现细节或验证结果,不能据此认定提示注入已经解决。
本地运行的是桥接服务和工具,不能据此推断所有数据都留在本机。
模型仍在 DeepSeek、Gemini、ChatGPT 或 Claude 的网页服务中工作。哪些工具结果会回传、是否包含源码或敏感信息,原文没有说清。「100% locally」需要按这个边界理解。
能拿来做什么
- 如果想尝试用网页 AI 辅助本地前端开发,可以先在独立测试目录接入文件工具,观察它如何读取、修改文件,以及哪些结果会进入网页对话。
- 如果自己在做 MCP 工具集合,可以参考
list_tools的分页目录思路;工具数量增加后,先检查说明体积,再判断是否需要按需发现。 - 如果要接入终端或 FFmpeg/Remotion,保留「Ask every time」,先用输入、输出都容易核对的小任务验证调用链路和参数。
- 如果正在选 API Agent 与网页桥接方案,把网页兼容性、任务成功率和数据回传范围列为验证项。原文提供了一个低门槛入口,还不足以证明它适合长期自动化。