Turbo-browser-mcp tarayıcı eylemlerini tek MCP çağrılarında topluyor, %99'a varan token tasarrufu iddiasında bulunuyor

Proje ne yapıyor

turbo-browser-mcp, Hacker News'teki bir Show HN gönderisiyle tanıtılan, Playwright üzerine inşa edilmiş yeni bir açık kaynak Model Context Protocol (MCP) sunucusudur. Amacı, LLM destekli tarayıcı otomasyonunun iki kronik maliyetine eğilmek: token şişkinliği ve çok turlu gecikme. GitHub'daki projenin README'sine göre, tipik Playwright veya DevTools tabanlı MCP sunucularının sunduğu 25 ila 33 ince taneli primitive'i 10 toplu araca indiriyor.

Temel argüman şu: standart kurulumlar aracıya her anlık görüntü, alan doldurma, açılır liste seçimi, yükleme ve doğrulama kontrolü için tam bir model turu ödetiyor ve her turda sürekli büyüyen konuşma geçmişi modele yeniden gönderiliyor. turbo-browser-mcp bu orkestrasyonu araç katmanına indiriyor.

Kıyaslama iddiaları

README, npm run benchmark ile çalıştırılan, yerel olarak headless Chromium yürüten ve tokenları OpenAI'nin o200k_base tokenizer'ı ile tiktoken 0.14.0 üzerinden sayan bir kıyaslama paketi içeriyor. Bildirilen rakamlar arasında şunlar var:

• 140 düğmeli yoğun bir SaaS konsolunun kompakt anlık görüntüsü, ham HTML'in 18.654 tokenına karşılık kompakt biçimde 1.135 token tutuyor; bu %93,9'luk bir azalma. Tam ARIA ağacı içinse 3.568 token, yani %68,2'lik bir azalma.
• onlyChanged true olarak ayarlanarak istenen tıklama sonrası delta anlık görüntüsü, 3.582 tokenlık bir ARIA yeniden taraması yerine 18 ms'de 56 tokenlık değişen satırları döndürüyor.
• 10 alanlı karmaşık bir formu doldurup anlık görüntü almak, smart_fill_form ile tek turda, 82 ms'de ve 811 tokenla tamamlanıyor; alan alan yapıldığında ise 11 tur, 574 ms ve 12.197 doğrudan token gerekiyor, yani kümülatif %98,9 tasarruf.
• 48 KiB'lik bir PDF yükleme, disk yolu olarak geçirildiğinde 85 token tutuyor; aynı dosyanın bir araç argümanında Base64 olarak gömülmesi ise 44.728 tokena mal oluyor.
• Altı sekmenin tek toplu çağrıda eşzamanlı açılması 420 ms sürüyor; altı ardışık turda ise 998 ms.

Statik araç şemasının kendisi sadeleştirilmiş halde 3.010 token; bir Playwright MCP sunucusu için 3.917, DevTools eşdeğeri için 6.737 token ve bu ek yük her turda ödeniyor.

Proje ayrıca gerçek gecikme kazanımının milisaniye rakamlarını aştığını vurguluyor: bir formda on tur kaldırmak, on ayrı LLM çıkarım çağrısını da kaldırıyor; agent döngülerinde her birinin iki ila beş saniye sürdüğü tahmin ediliyor, ayrıca yaklaşık 71.800 yeniden oynatılan geçmiş tokenı da cabası. Bunlar bağımsız bir değerlendirme değil, projenin kendi ölçümleri.

Toplu işleme nasıl çalışıyor

Yükün çoğunu üç mekanizma taşıyor. Birincisi, delta anlık görüntüleri: inspect_compact aracı ana frame'i, alt iframe'leri ve açık Shadow DOM'ları kısa element referanslarıyla kompakt çıktıya düzleştiriyor ve bir bayrak, önceki anlık görüntüden beri yalnızca eklenen veya değişen elementleri döndürüyor. Sunucu, Element.prototype.attachShadow'u kancalayan bir init script enjekte ediyor, böylece sayfa yüklendikten sonra oluşturulan kapalı Shadow kökleri de incelenebilir kalıyor.

İkincisi, tek turlu form doldurma: smart_fill_form, yerel property setter'lar ve sentetik olaylarla ele alınan React kontrollü girdiler, ARIA combobox ve switch'ler, contenteditable editörler, Gmail yazma iletişim kutuları ve iframe içindeki kontroller dahil olmak üzere tüm formu tek çağrıda dolduruyor. returnSnapshot seçeneği güncellenmiş form durumunu aynı yanıtta döndürüyor, böylece doğrulama başka bir tur gerektirmiyor.

Üçüncüsü, disk tarafı yüklemeler: dosya yolları doğrudan Playwright'ın setInputFiles'ına geçiriliyor, böylece ikili veri ve Base64 kodlama model bağlamından tamamen uzak tutuluyor.

Güvenceler ve oturumlar

Submit guard varsayılan olarak etkindir ve geri alınamaz eylemlerden önce insan onayı için bekler; guard tetiklendiğinde toplu eylem zincirleri güvenli biçimde durur. Sunucu, Chrome DevTools Protocol üzerinden oturum açmış bir tarayıcıya bağlanma, kalıcı profiller ve çerezleri ile depolaması ayrı, aynı anda on URL'e kadar toplu açabilen sekme başına yalıtılmış bağlamlar dahil dört bağlantı modunu destekliyor. Ağ engelleme ön ayarları araç setini tamamlıyor; README'nin turbo adını verdiği bir ön ayar, 304 KiB'lik medya ağırlıklı bir sayfa yüklemesini sıfır medya isteğine indirdi.

Neden önemli

Tarayıcı kontrolü hızla varsayılan bir agent yeteneği haline geliyor ve bu projenin rakamları, baskın maliyetlerin milisaniyelerle ölçülen tarayıcı yürütmesi değil, tokenlarla ölçülen model bağlamı ve saniyelerle ölçülen çıkarım turları olduğunu savunuyor. Primitive'leri toplulaştırmak, DOM'u yeniden taramak yerine diff'lemek ve ikili verileri bağlam penceresi dışında tutmak, bu maliyet yapısına doğrudan mühendislik yanıtlarıdır. Kendi bildirdiği rakamlar üçüncü taraf testlerde doğrulanırsa, bu kalıp tarayıcıların ötesine kolayca genellenir: gevezeci, ince taneli araçlardan oluşan herhangi bir MCP sunucusu aynı delta artı toplu işleme tasarımını benimseyebilir. Ayrıca bu, modellere daha fazla araç vermeye değil, daha az ama daha yoğun araçlar vermeye doğru genel bir kayışın somut bir veri noktası.