Prism

English | 简体中文

Prism 是一个 TypeScript 浏览器智能体 CLI。给它一个网址和一句目标，它会把页面读成一张带编号的可见控件表，让决策模型选择「对哪个元素执行哪个操作」，通过 Chrome DevTools Protocol 执行，直到决策模型判定目标达成。

Prism 架构图

环境要求

Node.js >= 22.19
可通过 CDP 连接的 Chrome
TYPESAFE_API_KEY
一个 OpenAI 兼容的 key（仅 CLI 模式需要；MCP 宿主支持 sampling 时由宿主自己的模型回答字段文本）

安装

npm install -g @tulipe1735/prism

包含两个可执行入口：prism（CLI）和 prism-mcp（MCP server）

连接 Chrome

请以远程调试模式启动 Chrome。Chrome 136+ 默认 profile 不允许开启远程调试，因此使用独立 profile 并在其中登录一次：

# macOS
"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" \
  --remote-debugging-port=9222 --user-data-dir="$HOME/.prism-chrome"

# Linux
google-chrome --remote-debugging-port=9222 --user-data-dir="$HOME/.prism-chrome"

# Windows
"%PROGRAMFILES%\Google\Chrome\Application\chrome.exe" ^
  --remote-debugging-port=9222 --user-data-dir="%USERPROFILE%\.prism-chrome"

作为 MCP server 使用

prism-mcp 是一个 stdio MCP server，只暴露一个任务级工具：

工具	输入	返回
`browser_task`	`url`、`goal`、`max_steps?`、`record_dir?`	`status`、`reason`、`final_url`、`final_title`、`final_text`、`steps`、`elapsed_ms`

宿主把整个浏览子任务委托出去；observe/decide/act 循环、新鲜度校验、预算和判定都由 Prism 自己负责。每步进度会以 MCP progress notification 上报；取消请求会中止运行并关闭标签页。

宿主声明了 sampling 能力时（opencode 支持），需要填写的字段文本由宿主自己的模型通过 sampling/createMessage 回答，此时不需要 TEXT_MODEL_API_KEY；否则回退到 TEXT_MODEL_*。决策（选哪个控件/目标）始终只走 TypeSafe，不会交给宿主模型。

opencode（opencode.json）：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "prism": {
      "type": "local",
      "command": ["prism-mcp"]
    }
  }
}

prism-mcp 需要在 PATH 上（在仓库根目录执行 pnpm link --global），或把 command 指向 ["node", "/absolute/path/to/prism/dist/mcp.js"]。其他 MCP 客户端同理。key 和 PRISM_BROWSER_URL 从 server 进程的环境变量及其工作目录下的 .env 读取。

注意：不要在配置里用 "environment": { "TYPESAFE_API_KEY": "{env:TYPESAFE_API_KEY}" } 传未设置的变量——空值会覆盖 .env 里的同名 key，导致加载失败。

Respect

src/browser/snapshot.js 来自 browser-use/jev-ultrafast，以 MIT License 使用。详见 THIRD_PARTY_NOTICES.md。