news 2026/5/11 10:08:18

基于MCP协议的AI浏览器自动化工具集：原理、实践与智能体集成

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
基于MCP协议的AI浏览器自动化工具集：原理、实践与智能体集成

1. 项目概述：一个让AI“看见”并操作浏览器的工具集

最近在折腾AI应用开发，特别是想让大语言模型（LLM）能更深入地与真实世界交互，浏览器自动化一直是个绕不开的“硬骨头”。传统的路子，要么是写一堆复杂的Selenium或Playwright脚本，然后让AI去调用这些预定义的函数，灵活性很差；要么是让AI直接生成操作代码，再执行，这中间的错误处理和状态管理能把人逼疯。直到我深度体验了AgentDeskAI/browser-tools-mcp这个项目，才感觉找到了一个更优雅的解法。

简单来说，browser-tools-mcp是一个实现了模型上下文协议（Model Context Protocol, MCP）的工具集，专门设计用来让AI智能体（Agent）能够安全、可控地“看见”和操作网页浏览器。它不是一个独立的桌面应用，而是一套服务端工具，通过MCP服务器暴露给兼容MCP的客户端（比如Claude Desktop、Cursor等）。你可以把它想象成给AI装上了一双“眼睛”和一双“手”，并且这双手眼是通过一套标准、安全的协议来指挥的。

这个项目解决的核心痛点在于标准化和安全性。过去，每个AI应用想要集成浏览器功能，都得自己从头造轮子，处理页面截图、DOM解析、元素定位、模拟点击输入等一系列繁琐且容易出错的事情。browser-tools-mcp把这些能力封装成了标准的MCP工具（Tools）和资源（Resources），任何支持MCP的AI前端都能直接调用，极大地降低了开发门槛。更重要的是，它通过MCP协议实现了权限隔离，AI只能通过你明确暴露的工具来操作浏览器，而不能为所欲为，这在实际部署中至关重要。

如果你正在构建需要网页信息获取、自动化操作、RPA（机器人流程自动化）或者仅仅是需要一个“AI上网助手”的应用，这个项目提供的思路和工具集非常值得深入研究。它不仅提供了开箱即用的基础功能，其基于MCP的架构设计，更是为构建复杂、可组合的AI智能体系统指明了方向。

2. 核心架构与MCP协议深度解析

2.1 为什么是MCP？—— 重新定义AI与工具的交互方式

要理解browser-tools-mcp的价值，必须先搞懂MCP是什么。MCP是由Anthropic提出的一种开放协议，旨在标准化LLM与外部工具、数据源之间的交互方式。你可以把它类比成计算机硬件里的“驱动程序”标准。在没有MCP之前，每个AI应用（客户端）想要连接一个新的工具（比如数据库、浏览器、API），都需要专门为这个工具编写适配代码，耦合度很高，且难以复用。

MCP的核心思想是服务端/客户端分离和声明式接口。工具提供方（如browser-tools-mcp）实现一个MCP服务器，这个服务器对外声明：“我这里有这些工具（Tools，即可执行函数）和这些资源（Resources，即可读取的数据）”。AI客户端（如Claude Desktop）通过标准化的方式（如stdio或SSE）连接到这个服务器，就能自动发现并使用所有这些能力，无需任何额外的硬编码。

对于浏览器工具而言，采用MCP带来了几个决定性优势：

  1. 工具发现与组合：AI客户端可以同时连接多个MCP服务器（浏览器工具、数据库工具、文件系统工具等），动态形成一个强大的工具生态，智能体可以根据任务需要，自主选择调用哪个工具。
  2. 安全边界清晰：MCP服务器运行在独立的进程或环境中。浏览器操作这种高风险动作被隔离在服务器内，客户端通过严格的协议进行调用。服务器可以实现自己的权限控制和审计日志，防止AI的指令越界。
  3. 开发与使用解耦：工具开发者只需关注实现MCP服务器，无需关心客户端是Claude、Cursor还是其他什么。客户端开发者只需集成MCP客户端库，就能接入所有兼容的工具，生态效应明显。

browser-tools-mcp正是这一理念的完美实践。它将自己定位为一个功能丰富的MCP服务器，专门处理所有与浏览器相关的交互。

2.2 browser-tools-mcp 的组件构成

这个项目不是单一工具，而是一个工具集合，主要围绕两大核心能力构建：导航/交互和内容提取。其内部组件设计清晰地反映了这一点。

核心引擎：Playwright项目底层基于微软的Playwright进行浏览器自动化。为什么是Playwright而不是Selenium或Puppeteer？这是经过深思熟虑的选择。Playwright支持Chromium、Firefox和WebKit三大浏览器引擎，且API设计现代、一致。它对现代Web应用（单页应用SPA）的支持更好，自动等待机制能大幅减少编写稳定脚本的心智负担。此外，Playwright原生支持无头（Headless）和有头（Headed）模式，并能够生成高质量的页面截图和PDF，这些特性都与项目目标高度契合。

核心MCP工具（Tools）举例：

  • navigate_browser: 让浏览器导航到指定URL。这不仅是简单的page.goto()，在MCP上下文中，它可能还涉及会话管理（同一个AI会话是否复用浏览器标签页）。
  • extract_content: 从当前页面提取结构化内容。这不仅仅是获取document.body.innerText，它可能综合运用了DOM选择、阅读模式（Reader Mode）算法，甚至简单的视觉布局分析，来提取文章主体、去除广告和导航栏噪音。
  • click_element/fill_form: 通过CSS选择器或XPath定位页面元素并执行点击或填写操作。这里的关键在于“元素描述”到“选择器”的转换，项目可能需要集成一些启发式方法或轻量级模型来提升AI指令的命中率。
  • screenshot_page: 捕获整个页面或指定区域的截图。截图是让AI“看见”页面的关键，如何设置截图质量、处理懒加载图片、捕获全页滚动长图，都是实现细节。

核心MCP资源（Resources）举例：

  • current_page_content: 一个动态资源，代表当前激活页面的文本内容。当AI客户端“读取”这个资源时，MCP服务器会实时执行内容提取并返回。
  • current_page_screenshot: 类似地，这是一个代表当前页面视觉状态的图片资源。结合多模态模型，AI可以“看图说话”，理解页面的视觉布局和元素。

配置与扩展点：一个设计良好的工具集必须考虑可配置性。browser-tools-mcplikely 允许通过配置文件或环境变量来设定：

  • 浏览器类型：默认Chromium，也可切换Firefox或WebKit。
  • 无头模式：生产环境为节省资源通常用无头模式，调试时则可开启有头模式观察。
  • 超时设置：导航、加载、选择器查找等操作的超时时间。
  • 代理设置：为浏览器实例配置网络代理。
  • 自定义工具/资源：高级用户可以通过继承和扩展，注入自己编写的Playwright脚本作为新的MCP工具，实现定制化自动化流程。

2.3 与其他方案的横向对比

为了更清楚它的定位，我们将其与常见方案做个对比：

方案优点缺点适用场景
直接调用 Playwright API功能最强大、控制最精细、性能最佳。需要大量编码，与AI集成困难，需要自己管理生命周期和错误。传统的、确定性的网页自动化脚本。
使用 LangChain/ToolCallAI框架原生支持，生态丰富，易于构建AI链。通常需要为每个功能编写包装函数，工具管理分散，安全边界模糊。在LangChain等特定AI框架内快速构建原型。
browser-use 等专用库专为AI设计，抽象程度高，开箱即用。耦合于特定库的API，可移植性差，功能可能受限。需要快速实现AI驱动浏览的简单场景。
browser-tools-mcp (本项目)标准化(MCP)、工具可发现、安全隔离、客户端无关。生态潜力大。相对较新，依赖MCP生态发展，可能需要理解MCP概念。构建标准化、可组合、需安全隔离的AI智能体应用；希望工具被多种AI客户端复用。

注意：选择browser-tools-mcp不仅仅是选择一套工具，更是选择拥抱MCP这套即将成为主流的交互协议。如果你的目标是构建未来-proof、易于集成的AI能力，那么投资于MCP生态是明智的。

3. 从零开始：部署与核心工具实战

理解了架构，我们动手把它跑起来，并深入看看几个核心工具的实际表现。

3.1 环境准备与快速启动

项目是TypeScript编写的，所以你需要Node.js环境（建议v18+）。假设你已经有了npm或yarn。

# 1. 克隆项目 git clone https://github.com/AgentDeskAI/browser-tools-mcp.git cd browser-tools-mcp # 2. 安装依赖 npm install # 或 yarn install # 3. 构建项目 npm run build

最关键的步骤是配置MCP客户端来连接这个服务器。这里以目前最流行的Claude Desktop为例。你需要找到Claude Desktop的配置文件所在位置（通常在~/Library/Application Support/Claude/claude_desktop_config.jsonon macOS，或%APPDATA%\Claude\claude_desktop_config.jsonon Windows）。

编辑这个JSON文件，添加一个mcpServers配置项：

{ "mcpServers": { "browser-tools": { "command": "node", "args": [ "/ABSOLUTE/PATH/TO/browser-tools-mcp/build/index.js" ], "env": { "BROWSER_TYPE": "chromium", "HEADLESS": "false" // 调试时设为false，便于观察 } } } }

关键点解析：

  • command: 告诉Claude Desktop用什么命令启动服务器。这里是用Node.js执行我们构建好的JS文件。
  • args: 传递给命令的参数，第一个就是构建产物的入口文件。务必使用绝对路径，相对路径很可能导致启动失败。
  • env: 这里可以设置项目支持的环境变量，用来控制浏览器行为。HEADLESS=false会让你在调试时看到浏览器窗口弹出，非常直观。

保存配置，重启Claude Desktop。如果一切顺利，你在和Claude对话时，应该能看到它新获得了一些工具，比如“Navigate to URL”或“Extract page content”。

3.2 核心工具详解与调用示例

让我们通过模拟的AI对话，来看看这些工具是如何被调用和工作的。假设AI（Claude）已经连接上了我们的browser-tools-mcp服务器。

场景一：信息搜集与摘要

  • 用户：“帮我看看Hacker News首页今天最热门的帖子是什么。”
  • AI思考：我需要打开Hacker News，然后提取页面内容进行分析。
  • AI行动（调用MCP工具）：
    1. 首先调用navigate_browser，参数{“url”: “https://news.ycombinator.com”}。服务器会启动或复用浏览器，打开该页面。
    2. 等待页面加载完成后，AI可以调用extract_content。服务器会执行内容提取逻辑，可能专注于.titleline > a这类选择器对应的文章标题链接，并将结构化文本返回给AI。
    3. AI收到返回的标题列表后，进行本地分析，找出排名第一（或通过点数判断）的帖子，并总结回复给用户。

在这个过程中，AI不需要知道Playwright的任何API，它只需要按照MCP工具定义的JSON格式来调用即可。所有浏览器操作的复杂性都被封装在服务器内部。

场景二：自动化表单填写

  • 用户：“帮我在这个测试网站（http://example.com/login）上用‘testuser’和‘password123’登录。”
  • AI思考：我需要导航到登录页，找到用户名和密码输入框并填写，然后点击登录按钮。
  • AI行动：
    1. navigate_browser到登录页。
    2. 调用extract_content获取页面HTML结构（或更智能地，服务器可能提供了get_page_html资源），AI分析后决定选择器。
    3. 调用fill_form，参数可能是{“selector”: “input[name=’username’]”, “value”: “testuser”}。
    4. 再次调用fill_form填写密码字段。
    5. 调用click_element，参数{“selector”: “button[type=’submit’]”}或“text=‘Login’”。

这里暴露了一个关键挑战：元素定位。纯文本AI可能无法稳定地生成正确的CSS选择器。browser-tools-mcp的进阶能力可能包括：

  • 视觉定位：结合截图，使用多模态模型描述元素（如“红色的登录按钮”），服务器端将其转换为坐标或选择器。
  • 语义定位：提供find_element_by_semantic工具，接受自然语言描述，服务器利用DOM的语义信息（如aria-label, placeholder, nearby text）来查找元素。

3.3 高级配置与性能调优

在实际生产环境中，你需要考虑更多：

1. 浏览器实例管理：默认情况下，每次调用可能都会启动一个新的浏览器实例，这非常耗时。优秀的MCP服务器应该实现浏览器实例池或会话持久化。查看项目配置，看是否支持通过BROWSER_WS_ENDPOINT连接到一个已经运行的远程浏览器（如通过playwright connect），或者服务器内部是否维护了一个可复用的浏览器上下文。

2. 资源控制与超时：在配置中，务必设置合理的超时：

"env": { "NAVIGATION_TIMEOUT": "30000", // 导航超时30秒 "EXTRACTION_TIMEOUT": "10000", // 内容提取超时10秒 "VIEWPORT": "{"width": 1280, "height": 720}" // 统一视口大小 }

视口大小影响截图和布局，统一设置有助于AI对页面布局的理解保持一致。

3. 安全沙箱：如果你运行的是不受完全信任的AI模型（或用户指令），务必以严格的沙箱模式启动浏览器。Playwright支持启动带有--no-sandbox（不推荐）或特定用户权限的浏览器。更关键的是，通过MCP服务器逻辑，严格限制可访问的URL域名（白名单），并禁止文件上传、下载等危险操作。

实操心得：在调试初期，一定要把HEADLESS设为false。亲眼看着浏览器被AI操控的过程，是理解问题、调试选择器错误最直接的方式。一旦流程稳定，再切换到无头模式以提升性能和节省资源。

4. 构建真实世界AI智能体：场景与集成方案

browser-tools-mcp的真正威力在于作为基石，嵌入到更大的AI智能体工作流中。下面探讨几个典型场景。

4.1 场景一：AI研究助手

目标：让AI能够自主浏览多个信息源，对比、总结并生成报告。工作流设计：

  1. 规划阶段：AI接收用户指令“对比一下LangChain和LlamaIndex的最新特性”。AI首先规划需要访问的网站（官方文档、GitHub仓库、技术博客等）。
  2. 信息收集：AI依次调用navigate_browser访问规划好的URL列表。对每个页面，调用extract_content获取核心文本，并可能调用screenshot_page保存关键图表。
  3. 信息处理：AI在本地（或结合其他MCP工具如向量数据库）对收集到的文本进行摘要、对比分析。
  4. 报告生成：AI结合分析结果和截图，生成一份结构化的对比报告。

在这个流程中，browser-tools-mcp稳定地承担了“信息采集员”的角色，与AI的“分析师”角色解耦。

4.2 场景二：自动化工作流触发器

目标：监控特定网页的变化，触发后续操作。工作流设计：

  1. 定期检查：通过cron job或调度系统，定期启动一个AI智能体流程。
  2. 获取状态：AI调用navigate_browser和extract_content获取目标页面（如订单状态页、库存页面、监控仪表盘）的当前内容。
  3. 判断与决策：AI分析内容，判断是否满足预设条件（如“状态变为已发货”、“库存数小于10”、“错误率超过5%”）。
  4. 触发动作：如果条件满足，AI可以调用其他MCP工具（如发送邮件的工具、调用API的工具、发送Slack消息的工具）来执行后续操作。

这里体现了MCP的“可组合性”。browser-tools-mcp负责感知，其他工具负责执行，AI负责决策中枢。

4.3 与主流AI框架集成

虽然直接使用Claude Desktop很方便，但在开发自己的应用时，你需要将browser-tools-mcp集成到AI框架中。

与LangChain集成： LangChain社区正在积极拥抱MCP。你可以使用langchain-mcp适配器。大致步骤如下：

from langchain.agents import AgentExecutor, create_openai_tools_agent from langchain_mcp import McpServer from langchain_openai import ChatOpenAI # 1. 创建MCP服务器客户端（连接到正在运行的browser-tools-mcp进程） browser_server = McpServer( command="node", args=["/path/to/browser-tools-mcp/build/index.js"], # ... 其他连接参数 ) # 2. 获取该服务器提供的所有工具 browser_tools = browser_server.get_tools() # 3. 将这些工具提供给LangChain Agent llm = ChatOpenAI(model="gpt-4-turbo") agent = create_openai_tools_agent(llm, browser_tools, ...) agent_executor = AgentExecutor(agent=agent, tools=browser_tools, ...) # 4. 现在，你的Agent就可以使用浏览器工具了 result = agent_executor.invoke({"input": "去GitHub看看LangChain仓库的star数"})

关键点：你需要确保browser-tools-mcp的服务器进程在后台运行，并且LangChain应用能通过stdio或SSE连接到它。

与自主智能体框架集成： 如果你使用像agentkit、crewai或自主开发的智能体循环，集成模式类似：将MCP客户端库引入你的项目，连接到browser-tools-mcp服务器，然后将获取到的工具列表注册到你的智能体工具库中。智能体的决策循环在需要浏览器操作时，就会调用对应的工具。

5. 避坑指南与性能优化实战录

在实际开发和部署中，我踩过不少坑，也总结了一些优化经验。

5.1 常见问题与排查技巧

问题1：Claude Desktop重启后找不到工具

  • 现象：配置好之后，Claude Desktop没有显示新的浏览器工具。
  • 排查：
    1. 检查配置文件路径和语法：JSON格式必须严格正确，路径必须是绝对路径。一个多余的逗号都会导致整个配置失效。
    2. 查看Claude Desktop日志：在macOS上，可以在终端运行log stream --predicate 'sender == "Claude"'来查看实时日志。Windows下可以查看事件查看器或Claude的安装目录日志文件。日志中通常会显示MCP服务器启动失败的原因，如“命令未找到”或“文件不存在”。
    3. 手动测试服务器：在终端直接运行配置中的命令，例如node /path/to/build/index.js。观察是否有错误输出。服务器正常启动后会等待stdio输入。

问题2：页面加载超时或元素找不到

  • 现象：AI报告导航超时，或者点击/填写操作失败。
  • 排查：
    1. 启用有头模式：这是最有效的调试手段。亲眼看看页面卡在了哪里。是网络慢？是有Cloudflare验证？还是页面结构是动态加载的？
    2. 调整超时设置：适当增加NAVIGATION_TIMEOUT和ACTION_TIMEOUT。对于慢速网络或复杂SPA，默认时间可能不够。
    3. 检查选择器：让AI通过extract_content获取更详细的DOM信息，或者提供screenshot_page让人类协助分析正确的选择器。对于动态内容，可能需要使用page.waitForSelector的逻辑，这需要查看browser-tools-mcp的工具实现是否内置了等待。

问题3：内存泄漏与进程僵尸

  • 现象：运行一段时间后，系统内存占用越来越高，或者浏览器进程没有关闭。
  • 排查与解决：
    1. 确保浏览器上下文关闭：在MCP服务器代码中，每个会话或任务结束后，必须正确关闭browserContext和page对象。检查项目源码，看是否有完善的try...catch...finally清理逻辑。
    2. 使用进程监控：使用htop或任务管理器，观察node进程和chromium进程的数量和内存。如果只增不减，就是泄漏。
    3. 实现健康检查与重启：为MCP服务器包装一个守护进程，定期检查其健康状态，或在处理一定数量请求后主动重启，以释放资源。

5.2 性能优化策略

1. 连接复用是王道

  • 策略：不要在每次工具调用时都启动和关闭浏览器。MCP服务器应该在启动时创建一个浏览器实例（或连接池），并在整个生命周期内复用。每个独立的AI会话（session）可以创建一个新的browserContext（轻量级，隔离cookie、缓存），而不是新的浏览器进程。
  • 实现提示：检查browser-tools-mcp的源码，看其BrowserManager或类似类是如何管理实例的。如果它没有实现连接池，可以考虑贡献代码或自己fork改进。

2. 并行化处理

  • 场景：AI需要同时从三个新闻网站抓取头条。
  • 策略：MCP服务器可以支持并行处理多个工具调用。但这需要服务器设计为异步非阻塞，并且为每个并行任务创建独立的Page（标签页）而非独立的Browser。Playwright支持一个BrowserContext下多个Page并行。
  • 注意：并行度受限于机器资源和网站反爬策略，需谨慎设置。

3. 缓存频繁访问的内容

  • 策略：对于AI经常查询的、相对静态的页面（如文档首页），可以在MCP服务器层面实现一个简单的内存缓存（如TTL为5分钟）。当AI请求extract_content时，先检查URL是否在缓存中且未过期，是则直接返回，避免不必要的网络请求和页面渲染。
  • 实现：这需要修改工具的实现逻辑，增加缓存层。注意缓存键要包含URL和可能的内容提取参数。

4. 截图与内容提取的权衡

  • 痛点：截图（尤其是全页截图）耗时耗资源，但多模态模型需要它来理解视觉布局。纯文本提取快，但可能丢失布局信息。
  • 策略：实现“按需截图”或“智能降级”。例如，只有当AI的工具调用描述中隐含视觉需求（如“点那个红色的按钮”），或者extract_content无法从文本中确定主要内容区域时，才触发截图。可以提供一个get_page_screenshot_if_needed这样的复合工具。

5.3 安全加固建议

  1. 严格的URL白名单：在生产环境中，绝对不要让AI能浏览任意URL。在MCP服务器启动时加载一个域名白名单，任何navigate_browser的请求都要先检查目标URL的域名是否在名单内。
  2. 禁用危险功能：在启动浏览器时，通过Playwright的launchOptions禁用JavaScript文件下载、禁用插件、禁用密码保存等。
    const browser = await playwright.chromium.launch({ headless: true, args: ['--disable-dev-shm-usage', '--no-sandbox'], // 谨慎使用--no-sandbox ignoreDefaultArgs: ['--disable-extensions'], });
  3. 资源限制：使用操作系统工具（如cgroups on Linux）或容器化技术（Docker），限制运行MCP服务器的容器的CPU、内存和网络带宽，防止恶意指令导致资源耗尽。
  4. 完整的审计日志：记录每一个MCP工具调用的详细信息：时间、调用者（会话ID）、工具名、参数（可过滤敏感参数如密码）、执行结果（成功/失败）。这既是安全审计的需要，也是后期排查问题的宝贵资料。

将browser-tools-mcp投入生产环境，远不止是运行一个Node.js脚本那么简单。它要求开发者从架构视角出发，综合考虑性能、可靠性和安全性。这个项目提供了一个强大的基础，但围绕它构建一个健壮的系统，才是真正体现价值的地方。

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/5/11 10:05:26

Context Engineering Kit：AI编码助手的工程化工具箱实战指南

1. 项目概述：一个为AI编码助手打造的“工程化工具箱”如果你和我一样，每天都在和Claude Code、Cursor、Windsurf这类AI编码助手打交道，那你肯定也经历过那种“又爱又恨”的时刻。助手能快速生成代码片段，这很棒，但当任…

作者头像 李华
网站建设 2026/5/11 10:04:51

重回 AWS 测试遇账户暂停，用户深刻记起离开原因！

2026 年 5 月 8 日重回 AWS 的经历 在 AWS 刚崭露头角时，作者就是最早一批拥护者，当时它主要有 SQS、S3、EC2、SimpleDB 等服务，规模比现在小得多。作者还组织了当地第一场 AWS 活动。云计算带来了巨大变革，初创公司能快速搭建计算…

作者头像 李华
网站建设 2026/5/11 10:01:56

sndcpy安卓音频转发：无需root的终极音频镜像指南

sndcpy安卓音频转发：无需root的终极音频镜像指南 【免费下载链接】sndcpy Android audio forwarding PoC (scrcpy, but for audio) 项目地址: https://gitcode.com/gh_mirrors/sn/sndcpy 想在电脑上实时收听Android设备的音频内容吗？sndcpy安卓音…

作者头像 李华
网站建设 2026/5/11 10:00:55

求解器（Solver）：让计算机帮你解决世界难题

求解器（Solver）：让计算机帮你解决世界难题 科普 技术认知 | 🧮 通俗易懂 🔬 原理揭秘 🌍 应用广泛 🚀 前沿探索 📖 写在前面： 当你打开导航软件，它在零点…

作者头像 李华
网站建设 2026/5/11 9:59:53

3步轻松掌控Windows浏览器：EdgeRemover让你的电脑真正属于你

3步轻松掌控Windows浏览器：EdgeRemover让你的电脑真正属于你 【免费下载链接】EdgeRemover A PowerShell script that correctly uninstalls or reinstalls Microsoft Edge on Windows 10 & 11. 项目地址: https://gitcode.com/gh_mirrors/ed/EdgeRemover …

作者头像 李华
网站建设 2026/5/11 9:58:38

Fuzzz靶场学习笔记

前言正文1、端口扫描2、安卓端口反向代理3、目录遍历获取RSA密钥4、用户提权前言 本文介绍了Kali Linux的基本使用技巧和nmap常见命令，重点演示了端口扫描、安卓设备反向代理和权限提升过程。通过nmap扫描发现安卓设备5555端口开放，使用adb工具连接后&a…

作者头像 李华