mcp-pointer

GitHub
571 56 简单 1 次阅读 4天前MIT插件Agent
AI 解读 由 AI 自动生成,仅供参考

mcp-pointer 是一款专为智能编程助手设计的本地化桥梁工具,旨在让 AI 真正“看见”你在浏览器中看到的内容。它通过结合一个 Chrome 扩展程序和一个基于 Node.js 的 MCP 服务器,解决了传统 AI 编码工具难以精准理解网页具体元素上下文的问题。

在使用时,开发者只需在浏览器中按住 Option 键(Windows 为 Alt)并点击任意页面元素,mcp-pointer 即可瞬间捕获该元素的完整信息,包括文本内容、CSS 样式、HTML 属性、位置坐标甚至 React 组件名称(实验性功能)。这些视觉信息会被转化为结构化的文本上下文,通过标准的模型上下文协议(MCP)实时传递给 Claude Code、Cursor 或 Windsurf 等智能编程工具。

这款工具特别适合前端开发者、全栈工程师以及正在使用 Agentic Coding(代理式编程)工作流的技术人员。它能显著减少向 AI 描述界面问题时的沟通成本,让 AI 直接基于你选中的元素提供精准的代码修改建议或调试方案。其独特的动态上下文控制功能,允许用户按需调整获取信息的详细程度,而基于 WebSocket 的实时通信则确保了交互的流畅性。作为开源项目,mcp-pointer 以轻量、本地运行的方式,极大地提升了人机协作开发网页应用的效率。

使用场景

前端开发者小李正在调试一个复杂的 React 电商后台,需要快速定位并修复某个深层嵌套按钮的样式错位问题。

没有 mcp-pointer 时

  • 沟通成本高昂:小李必须手动复制冗长的 CSS 选择器或截图,并在对话框中费力描述“那个在第三行、带红色边框的提交按钮”,AI 经常理解偏差。
  • 上下文缺失:AI 无法直接感知页面上的实际渲染效果,只能基于代码文件猜测,导致生成的修复方案往往忽略了动态计算的样式或继承属性。
  • 操作繁琐低效:为了提供足够信息,开发者需反复切换窗口,使用浏览器开发者工具层层展开 DOM 树,手动提取类名和属性,打断心流。
  • React 组件黑盒:面对封装良好的组件,难以快速告知 AI 具体是哪个源文件中的组件实例出了问题,排查路径曲折。

使用 mcp-pointer 后

  • 所指即所得:小李只需按住 Option 键点击目标按钮,mcp-pointer 瞬间将完整的 DOM 结构、计算后的 CSS 样式及屏幕坐标转化为文本上下文发送给 AI。
  • 精准诊断修复:AI 直接“看见”了元素的真实状态(包括隐藏属性和动态类名),立即给出精确到像素的样式修正代码,无需多轮澄清。
  • 流程无缝衔接:整个交互在秒级内完成,开发者无需离开浏览器或手动复制粘贴,保持了高度的专注与流畅的开发节奏。
  • 深度框架感知:借助实验性功能,mcp-pointer 还能识别并传递该按钮对应的 React 组件名称及源文件路径,让 AI 直接从组件逻辑层面提供解决方案。

mcp-pointer 通过打通视觉选择与代码上下文的壁垒,让 AI 真正拥有了“眼睛”,将模糊的自然语言描述转变为精准的工程化指令。

运行环境要求

操作系统
  • macOS
  • Windows
  • Linux
GPU

未说明

内存

未说明

依赖
notes该工具基于 Node.js 和 Chrome 扩展程序,无需 Python 环境。核心组件包括:1. MCP Server (Node.js 包),通过 npx 运行;2. Chrome 扩展程序。支持 macOS (Option+Click)、Windows (Alt+Click) 和 Linux。需确保端口 7007 未被防火墙阻止以建立 WebSocket 连接。主要适配 Claude Code、Cursor、Windsurf 等 AI 编程工具。
python未说明
Node.js (运行 npx)
Google Chrome 或 Chromium 内核浏览器
mcp-pointer hero image

快速开始

MCP Pointer banner

CI Release npm version Chrome Extension License: MIT

👆 MCP Pointer

通过 MCP 将浏览器 DOM 元素指向代理式编码工具!

MCP Pointer 是一款结合了 MCP 服务器和 Chrome 扩展的 本地 工具:

  1. 🖥️ MCP 服务器(Node.js 包)——通过模型上下文协议连接浏览器与 AI 工具
  2. 🌐 Chrome 扩展——使用 Option+Click 捕获浏览器中的 DOM 元素选择

该扩展允许您在浏览器中直观地选择 DOM 元素,而 MCP 服务器则通过标准化的 MCP 工具将这些 文本上下文 提供给 Claude Code、Cursor 和 Windsurf 等代理式编码工具。

✨ 特性

  • 🎯 Option+Click 选择——只需按住 Option 键(Windows 上为 Alt 键),然后单击任意元素
  • 📋 完整元素数据——文本内容、CSS 类、HTML 属性、位置信息和样式
  • 💡 动态上下文控制——可请求仅显示可见文本、完全抑制文本,或根据每次 MCP 调用调整 CSS 详细程度,从无到完整的计算样式
  • ⚛️ React 组件检测——通过 Fiber 检测组件名称和源文件(实验性)
  • 🔗 WebSocket 连接——浏览器与 AI 工具之间的实时通信
  • 🤖 MCP 兼容——可与 Claude Code 及其他支持 MCP 的 AI 工具配合使用

🎬 使用示例(视频)

https://github.com/user-attachments/assets/98c4adf6-1f05-4c9b-be41-0416ab784e2c

观看 MCP Pointer 的实际操作:在浏览器中使用 Option+Click 选择任意元素,然后向您的代理式编码工具提问(本例中为 Claude Code)。AI 将获得所选 DOM 元素的完整文本上下文,包括 CSS 属性、URL、选择器等信息。

🚀 快速入门

1. 安装 Chrome 扩展

🎉 现已在 Chrome 网上应用店上线!

从 Chrome 网上应用店安装

只需点击上方链接即可从 Chrome 网上应用店安装。

替代方案:手动安装

选项 A:从发布页面下载

  1. 访问 GitHub 发布页面
  2. 下载最新版本中的 mcp-pointer-chrome-extension.zip
  3. 将压缩包解压到电脑上的一个文件夹
  4. 打开 Chrome → 设置 → 扩展程序 → 开发者模式(开启)
  5. 点击“加载已解压的扩展程序”,并选择解压后的文件夹
  6. MCP Pointer 扩展应出现在您的扩展列表中
  7. 重新加载网页以激活扩展

选项 B:从源代码构建

  1. 克隆此仓库
  2. 按照 CONTRIBUTING.md 中的构建说明操作
  3. 打开 Chrome → 设置 → 扩展程序 → 开发者模式(开启)
  4. 点击“加载已解压的扩展程序”,并选择 packages/chrome-extension/dist/ 文件夹
  5. 重新加载网页以激活扩展

2. 配置 MCP 服务器

只需一条命令即可为您的 AI 工具完成设置:

npx -y @mcp-pointer/server config claude  # 或 cursor、windsurf 等 - 见下文
其他 AI 工具及选项
# 对于其他 AI 工具
npx -y @mcp-pointer/server config cursor     # 打开 Cursor 的深度链接以自动安装
npx -y @mcp-pointer/server config windsurf   # 自动更新 Windsurf 的配置文件
npx -y @mcp-pointer/server config manual     # 显示其他工具的手动配置

可选: 您也可以通过 npm install -g @mcp-pointer/server 全局安装,之后便可以直接使用 mcp-pointer 命令,而无需再输入 npx -y @mcp-pointer/server

配置完成后,请 重启您的编码工具 以加载 MCP 连接。

🔄 已经在使用 MCP Pointer 吗? 再次运行配置命令即可更新为自动更新的配置:

npx -y @mcp-pointer/server config <your-tool>  # 重新配置以始终使用最新版本

3. 开始使用

  1. 导航到任意网页
  2. Option+Click 任意元素以进行选择
  3. 向您的 AI 提问,让它分析所选元素!

您的 AI 工具会在需要时自动启动 MCP 服务器,执行命令 npx -y @mcp-pointer/server@latest start

可用的 MCP 工具:

  • get-pointed-element——返回当前指向的 DOM 元素的文本信息。可选参数:
    • textDetail: 0 | 1 | 2(默认值为 2),用于控制包含多少文本内容(0 = 无, 1 = 仅可见文本, 2 = 可见 + 隐藏)。
    • cssLevel: 0 | 1 | 2 | 3(默认值为 1),用于控制样式细节,从不包含任何 CSS(0)到完整的计算样式(3)。

🎯 工作原理

  1. 元素选择:内容脚本捕获 Option+Click 事件
  2. 数据提取:分析元素结构、CSS 及框架相关信息
  3. WebSocket 传输:将数据发送至端口 7007 的 MCP 服务器
  4. MCP 协议:通过 MCP 工具将数据提供给 AI 工具
  5. AI 分析:您的助手现在可以查看并分析该元素!

🎨 提取的元素数据

  • 基本信息:标签名、ID、类名、文本内容
  • CSS 属性:显示方式、定位、颜色、尺寸
  • 组件信息:React 组件名称和源文件(实验性)
  • 属性:所有 HTML 属性
  • 位置:精确坐标和尺寸
  • 源码提示:文件路径和组件来源

🔍 框架支持

  • ⚛️ React——通过 Fiber 检测组件名称和源文件(实验性)
  • 📦 通用 HTML/CSS/JS——全面支持任何网页内容
  • 🔮 计划中——Vue 组件检测(欢迎提交 PR)

🌐 浏览器支持

  • Chrome——全面支持(已测试)
  • 🟡 基于 Chromium 的浏览器——应该可以正常工作(Edge、Brave、Arc——需手动加载编译好的扩展)

🐛 故障排除

扩展无法连接

  1. 确保 MCP 服务器正在运行:npx -y @mcp-pointer/server@latest start
  2. 检查浏览器控制台是否有 WebSocket 错误
  3. 确认端口 7007 没有被防火墙阻止

MCP 工具不可用

  1. 安装后请重启您的 AI 助手
  2. 检查 MCP 配置:mcp-pointer config <your-tool>
  3. 确认服务器正在运行:npx -y @mcp-pointer/server@latest start

元素无法高亮显示

  1. 某些页面会阻止内容脚本(如 chrome:// 等)
  2. 尝试刷新页面
  3. 检查是否已启用目标模式(点击扩展程序图标)

🚀 路线图

1. 动态上下文控制

  • 将完整原始上下文传输至服务器
  • 可由 LLM 配置的细节级别(仅可见文本、全部文本、CSS 层次)
  • 渐进式细化选项 / 基于 token 数量的数据获取策略

2. 视觉内容支持(适用于多模态 LLM)

  • 对图片(img 标签)进行 Base64 编码
  • 截取选定元素的屏幕截图
  • 提供独立的 MCP 工具,用于直接获取视觉内容

3. 增强框架支持

  • Vue.js 组件检测
  • 更好的 React 支持(React 19 移除了 _debugSource,影响开发构建中的源映射)

4. 多选功能

📝 许可证

MIT 许可证 - 详情请参阅 LICENSE 文件

🤝 贡献

我们欢迎各类贡献!请查阅我们的 CONTRIBUTING.md 指南,了解开发环境搭建及贡献规范。


受类似 Click-to-Component 这类工具启发,旨在优化组件开发流程。


专为 AI 驱动的 Web 开发而打造 ❤️

现在,只需按住 Option 键并单击,您的 AI 就能分析您指向的任何元素啦!👆

版本历史

@mcp-pointer/server@0.6.02025/11/12
0.6.02025/11/12
@mcp-pointer/server@0.5.22025/10/01
0.5.22025/10/01
@mcp-pointer/server@0.5.02025/09/30
0.5.02025/09/30
@mcp-pointer/server@0.4.42025/09/25
0.4.42025/09/25
@mcp-pointer/server@0.4.32025/09/23
0.4.32025/09/23
@mcp-pointer/server@0.4.22025/09/12
0.4.22025/09/12
@mcp-pointer/server@0.4.12025/09/12
0.4.12025/09/12
@mcp-pointer/server@0.4.02025/09/11
@mcp-pointer/server@0.3.32025/09/07

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|1周前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

159.3k|★★☆☆☆|今天
开发框架Agent语言模型

opencode

OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信

144.3k|★☆☆☆☆|昨天
Agent插件

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.3k|★★☆☆☆|1周前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|1周前
插件Agent图像