企业官网建设流程全解析

Skyvern MCP 集成指南：把 AI 应用接入浏览器自动化

【免费下载链接】skyvernAutomate browser based workflows with AI项目地址: https://gitcode.com/GitHub_Trending/sk/skyvern

导读

Skyvern 的 MCP（Model Context Protocol）服务器实现，将浏览器能力以标准 MCP 工具的形式暴露给任意 AI 应用，使其可以直接完成填表、文件下载、网页信息检索等浏览器操作。本文以 integrations/mcp/README.md 为骨架，结合仓库源码，完整讲解 Skyvern MCP 的两种接入方式（本地服务与 Skyvern Cloud）、快速启动流程、主流 AI 编码工具的配置方法、MCP 工具面（scope）体系以及针对 Glama 的容器化发布流程，帮助读者把 Claude、Cursor、Windsurf、OpenCode 等工具无缝接入 Skyvern 的浏览器自动化能力。

Skyvern MCP 是什么

Skyvern MCP 服务器的核心价值，是把「浏览器」变成 AI 应用的一个可编程工具集。通过 MCP 协议，AI 应用可以调用 Skyvern 暴露的工具，完成诸如：

• 填写表单并提交
• 下载文件
• 在网页上检索与汇总信息
• 管理多标签页、iframe、浏览器会话与浏览器画像
• 创建、运行和监控完整的工作流（Workflow）

从仓库实现看，这套能力集中定义在 skyvern/cli/mcp_tools 目录下，基于 FastMCP 框架构建（见 scopes.py 中的from fastmcp import FastMCP），覆盖 75+ 个 MCP 工具（见 skyvern/cli/mcp_tools/README.md）。

接入方式有两种，对应不同的运行形态：

1. 本地 Skyvern Server：使用你自己的 LLM 配置驱动 Skyvern，MCP 服务器通过 stdio 与本地 Skyvern 服务通信；
2. Skyvern Cloud：在 app.skyvern.com 注册账号，从设置页获取 API Key，MCP 服务器以 HTTP 方式连接云端，浏览器会话在云端托管。

环境要求与安装

原文档特别强调了一个硬性前提：

⚠️ Skyvern 目前只支持在 Python 3.11 环境中运行。

这一点在 pyproject.toml 中有更精确的体现：requires-python = ">=3.11,<3.15"，即 Python 3.11 及以上、3.15 以下的版本均可，3.11 是当前文档承诺的最低且经过充分验证的版本。安装方式为：

pip install skyvern

安装后，CLI 入口由 pyproject.toml 中的[project.scripts]段定义（skyvern = "skyvern.__main__:main"），因此可以直接使用skyvern命令。

快速启动三步

1. 安装：pip install skyvern
2. 配置：运行配置向导skyvern init，引导你选择连接 Skyvern Cloud 还是本地版 Skyvern
3. （可选）启动本地服务：skyvern run server——仅在本地模式下需要

skyvern init是一个交互式命令，其注册位于 skyvern/cli/commands/init.py（register_lazy_command("init", "skyvern.cli.init_command", ...)）。在原文档基础上，skyvern/cli/mcp_tools/README.md 还提供了等价的快捷方式：

skyvern setup claude-code # 直接为 Claude Code 配置 skyvern setup # 其他编码 Agent 的通用配置

支持的应用与配置方式

skyvern init与skyvern setup可以帮助你完成以下应用的 MCP 配置（对应实现见 skyvern/cli/setup_commands.py 中的setup_claude_code、setup_claude、setup_cursor、setup_windsurf等函数）：

• Cursor
• Windsurf
• Claude Desktop
• OpenCode（通过skyvern setup opencode配置，使用 API Key 认证，可避免 OAuth 回调超时）
• 任意自定义 MCP 应用

本地模式：为 Claude Code 等客户端配置 stdio MCP

setup_mcp（见 skyvern/cli/mcp.py）是skyvern init/skyvern setup中 MCP 配置的核心逻辑。在本地（local=True）模式下，它会为 Claude Code、Claude Desktop、Cursor、Windsurf 逐个写入 stdio 类型的 MCP 配置，让这些客户端直接与 localhost 上的 Skyvern 服务通信。

本地配置的底层由_build_local_mcp_entry（skyvern/cli/setup_commands.py）生成，其要点是：

• 始终使用当前激活的解释器路径（sys.executable），保证本地 venv 与 editable 安装都能直接工作，不依赖 PATH 上的skyvern二进制；
• 自动写入SKYVERN_BASE_URL、SKYVERN_API_KEY等环境变量；
• 如果指定了browser_type或browser_remote_debugging_url，会同步写入BROWSER_TYPE与BROWSER_REMOTE_DEBUGGING_URL环境变量，用于接入本地浏览器画像或远程调试地址。

云端模式：HTTP 类型的 MCP 配置

云端配置由_build_remote_mcp_entry（skyvern/cli/setup_commands.py）生成，默认指向https://api.skyvern.com/mcp/，并把 API Key 写入x-api-key请求头。

对于只支持 stdio 的客户端（如 Claude Desktop 远程接入场景），_build_mcp_remote_bridge_entry会退化为通过npx mcp-remote桥接的方式，把远程 HTTP 端点包装成 stdio 子进程（见 setup_commands.py）。

手动配置任意 MCP 应用

如果你使用的是其他支持 MCP 的应用，可以直接复制以下 JSON 配置模板（来自原文档）：

{ "mcpServers": { "Skyvern": { "env": { "SKYVERN_BASE_URL": "https://api.skyvern.com", # "http://localhost:8000" if running locally "SKYVERN_API_KEY": "YOUR_SKYVERN_API_KEY" # find the local SKYVERN_API_KEY in the .env file after running `skyvern init` or in your Skyvern Cloud console }, "command": "PATH_TO_PYTHON", "args": [ "-m", "skyvern", "run", "mcp" ] } } }

配置项说明：

MCP 服务器启动参数详解

skyvern run mcp命令的定义位于 skyvern/cli/run_commands.py，支持以下参数：

从源码还可以看到几个值得注意的实现细节：

• HTTP 传输的中间件链：依次是_ServerCardMiddleware（在/.well-known/mcp/server-card.json暴露 MCP Server Card，便于客户端自动发现）、OriginValidationMiddleware（Origin 校验，浏览器来源的请求仅允许 loopback 与 Claude 来源，防止恶意页面借用合法 API Key）、MCPAPIKeyMiddleware（API Key 校验）；
• stdio 的生命周期管理：run_mcp为 stdio 模式注册了 SIGINT/SIGTERM 处理与 stdin EOF 监听（_start_stdin_eof_watcher），退出时会依次清理浏览器会话、Skyvern 客户端连接与本地浏览器画像，保证宿主进程关闭时不留孤儿进程；
• 本地组织与 API Key 引导：在本地模式下，skyvern init会通过 skyvern/cli/mcp.py 中的get_or_create_local_organization自动创建域名为skyvern.local的本地组织，并签发一个长期有效的 HS256 JWT 作为 API Key 写入数据库。

OpenCode 远程 MCP 配置（API Key 认证）

如果你在 OpenCode 中执行opencode mcp auth Skyvern遇到OAuth 回调超时，请改用 API Key 认证方式：

skyvern login skyvern setup opencode

该命令会在~/.config/opencode/opencode.json中写入"oauth": false以及你的x-api-key请求头。注意：完成上述操作后不要再执行opencode mcp auth，以免覆盖掉 API Key 配置。

关于无状态远程端点的关键提醒

原文档指出一个容易踩坑的要点：

远程/mcp端点是无状态的（stateless）。请先调用skyvern_browser_session_create创建浏览器会话，并在后续每次浏览器工具调用时传入browser_session_id，否则浏览器工具会返回BrowserNotAvailable。

这正是--stateless-http默认开启的原因（见上文参数表）：HTTP 传输不会在服务器端维护会话状态，浏览器会话必须由调用方显式创建并逐次传递。

按需裁剪工具面（Tool Scope）

为了把 MCP 安装收敛到单一职责，可以在args中追加--scope参数。原文档与 skyvern/cli/mcp_tools/README.md 给出了五种范围：

配置示例（仅启用operate）：

{ "mcpServers": { "Skyvern": { "env": { "SKYVERN_BASE_URL": "http://localhost:8000", "SKYVERN_API_KEY": "YOUR_API_KEY" }, "command": "PATH_TO_PYTHON", "args": ["-m", "skyvern", "run", "mcp", "--scope", "operate"] } } }

Scope 的底层实现见 skyvern/cli/mcp_tools/scopes.py：apply_scope先通过 FastMCP 的Visibility变换隐藏所有工具，再按SCOPES字典中的标签集合重新启用对应工具。设计上有两个值得留意的取舍：

• operate刻意不包含浏览器相关工具，因为它的定位是「运行与监控已有的自动化」，不需要现场打开页面；
• build必须保留session工具分组，否则其 inspection 与 state 工具将无法获得浏览器实例而报NO_ACTIVE_BROWSER。

此外需要注意：--scope只支持本地 stdio 配置；云端（远程）配置固定为all范围（见 setup_commands.py 的_validate_scope_for_transport）。

应用示例

原文档附带三段演示视频，展示了三种典型用法（视频资产托管在 GitHub 外部，仓库内无对应文件，此处仅按原文档描述其场景）：

• Claude 查询 Hacker News 今日热帖：让 Claude 通过 Skyvern 打开 HN 首页并汇总当天热门帖子；
• Cursor 检索你所在地区的高薪编程岗位：让 Cursor 访问招聘站点并按条件筛选岗位；
• Windsurf 进行 Form 5500 检索并下载文件：让 Windsurf 在相关网站执行检索并将结果文件下载到本地。

这些场景共同说明一件事：借助 MCP，AI 编码工具不再局限于读写代码仓库，而是可以真正「上网办事」。

工具全景（供 AI 应用调用的 75+ 工具）

虽然原文档没有逐一列举，但 skyvern/cli/mcp_tools/README.md 对 MCP 工具面做了完整归类，这里按类别列出，方便在配置后快速了解可用的能力（工具具体实现在 skyvern/cli/mcp_tools 目录下，如browser.py、workflow.py、session.py、credential.py等）：

浏览器会话（Browser Sessions）：skyvern_browser_session_create、skyvern_browser_session_close、skyvern_browser_session_list、skyvern_browser_session_get、skyvern_browser_session_connect

浏览器画像（Browser Profiles）：skyvern_browser_profile_create、skyvern_browser_profile_list、skyvern_browser_profile_get、skyvern_browser_profile_update、skyvern_browser_profile_delete

浏览器动作（Browser Actions）：skyvern_act（自然语言指令）、skyvern_navigate、skyvern_click、skyvern_type、skyvern_hover、skyvern_scroll、skyvern_select_option、skyvern_press_key、skyvern_drag、skyvern_file_upload、skyvern_wait

数据提取与校验（Data Extraction & Validation）：skyvern_extract（结构化 JSON 输出）、skyvern_screenshot、skyvern_find、skyvern_validate、skyvern_evaluate（执行 JavaScript）、skyvern_get_html、skyvern_get_value、skyvern_get_styles

认证与凭据（Authentication & Credentials）：skyvern_login、skyvern_credential_list、skyvern_credential_get、skyvern_credential_delete，以及skyvern_onepassword_*、skyvern_bitwarden_*系列；支持 Skyvern vault、Bitwarden、1Password、Azure Key Vault，并内置自动 2FA/TOTP 处理

标签页与框架（Tabs & Frames）：skyvern_tab_new、skyvern_tab_list、skyvern_tab_switch、skyvern_tab_close、skyvern_tab_wait_for_new、skyvern_frame_list、skyvern_frame_switch、skyvern_frame_main

网络与控制台（Network & Console Inspection）：skyvern_console_messages、skyvern_network_requests、skyvern_network_request_detail、skyvern_network_route、skyvern_network_unroute、skyvern_get_errors、skyvern_har_start、skyvern_har_stop、skyvern_handle_dialog

浏览器状态与存储（Browser State & Storage）：skyvern_state_save、skyvern_state_load、skyvern_get_session_storage、skyvern_set_session_storage、skyvern_clear_session_storage、skyvern_clear_local_storage、skyvern_clipboard_read、skyvern_clipboard_write

工作流（Workflows）：skyvern_workflow_create、skyvern_workflow_list、skyvern_workflow_get、skyvern_workflow_run_list、skyvern_workflow_run、skyvern_workflow_status、skyvern_workflow_retry、skyvern_workflow_update、skyvern_workflow_delete、skyvern_workflow_cancel、skyvern_workflow_update_folder

工作流构建块（Workflow Building Blocks）：skyvern_block_schema、skyvern_block_validate——覆盖 23 种块类型，用于编排多步自动化

脚本缓存（Cached Scripts）：skyvern_script_list_for_workflow、skyvern_script_get_code、skyvern_script_versions、skyvern_script_deploy、skyvern_script_fallback_episodes

组织管理（Organization）：skyvern_folder_create、skyvern_folder_list、skyvern_folder_get、skyvern_folder_update、skyvern_folder_delete

在多个配置之间切换

如果需要在多个 API Key 或环境（本地/云端）之间切换，不必手动编辑配置文件，直接使用：

skyvern mcp switch

该命令与skyvern init/skyvern setup共享同一套配置解析与写入逻辑（见 setup_commands.py 文件头注释，以及 skyvern/cli/mcp_commands.py）。

Glama 发布配置（容器化 Release）

Glama 的「release」流程与发布到 PyPI 或官方 MCP Registry 不同：Glama 需要一个可运行的服务器容器，以便它启动 MCP 服务器、检查工具 schema，并在其目录中发布可安装的版本。

为什么需要专门的 Dockerfile

原文档明确指出：

• 本目录下的专用 integrations/mcp/Dockerfile 用于 Glama 发布流程；
• 仓库根目录的 Dockerfile 面向完整的 Skyvern 应用栈，启动的是python -m skyvern.forge，对仅用于 Glama MCP 发布的场景来说运行时不正确。

从 integrations/mcp/Dockerfile 的内容可以看到它与根 Dockerfile 的差异：

• 基于python:3.11-slim-bookworm，并通过uv pip compile生成依赖清单；
• 内置 Playwright Chromium（playwright install --with-deps chromium）与 Bitwarden CLI（@bitwarden/cli@2025.9.0）；
• 默认命令为 stdio 传输：python -m skyvern run mcp；
• 通过环境变量支持运行时切换：SKYVERN_MCP_TRANSPORT（默认stdio）、SKYVERN_MCP_PATH（默认/mcp）、PORT（默认8000）。当SKYVERN_MCP_TRANSPORT不是stdio时，容器会以--transport <transport> --host 0.0.0.0 --port $PORT --path $SKYVERN_MCP_PATH方式启动 HTTP 传输。

推荐的 Glama 配置步骤

1. 认领服务器：本仓库已包含 glama.json，授权维护者可以认领Skyvern-AI/skyvern条目；
2. 指定构建镜像：在 Glama 的 Dockerfile 管理页面，将构建指向Dockerfile.glama（即本目录的 integrations/mcp/Dockerfile）；
3. 保持默认命令：除非 Glama 明确要求 HTTP 传输，否则保持默认命令——镜像默认以 stdio 方式运行python -m skyvern run mcp；
4. 配置云端 API Key（可选）：如果你希望托管的 Glama release 使用 Skyvern Cloud 的浏览器会话，需要在 Glama 中添加真实的SKYVERN_API_KEY密钥。否则容器会以本地嵌入式（embedded）模式启动，这足以用于检查，但不适合云端的浏览器会话；
5. 部署并发布：等待检查通过后，在服务器管理界面使用 Glama 的「Make Release」操作发布。

与官方 MCP Registry 的关系

如果你同时要向官方 MCP Registry 发布，请将其视为独立步骤：官方 Registry 基于包元数据与server.json，而 Glama 的发布是基于容器的。两者互不替代。

常见问题与排错

结合原文档与源码，将接入过程中最常遇到的问题整理如下：

总结

Skyvern MCP 的价值在于用一套标准协议，把「AI 驱动浏览器自动化」交付给任意 MCP 客户端：本地自托管时通过 stdio 直连、零成本起步；需要托管时可切换到 Skyvern Cloud，通过 HTTP + API Key 认证获得云端浏览器会话。skyvern init/skyvern setup向导负责完成主流 AI 工具的配置写入，--scope体系允许按职责裁剪工具面，而 integrations/mcp/Dockerfile 则支持 Glama 这类容器化发布平台直接启动 MCP 服务器完成检查与发布。对于想要让 Claude、Cursor、Windsurf、OpenCode 等工具真正「会上网」的开发者，这是一个即装即用的接入方案。

【免费下载链接】skyvernAutomate browser based workflows with AI项目地址: https://gitcode.com/GitHub_Trending/sk/skyvern