OpenDia：连接浏览器与AI模型的开源工具

OpenDia 是一个开源项目，旨在通过 Model Context Protocol (MCP) 协议，让 AI 模型与浏览器无缝连接。用户可以在 Chrome、Firefox 等浏览器上安装 OpenDia 扩展，结合本地运行的 MCP 服务器，实现浏览器自动化操作。OpenDia 支持多种功能，如页面分析、内容提取、动态书签管理和页面样式定制。它完全本地运行，注重隐私保护，无需依赖云端服务。项目采用 MIT 许可证，代码公开在 GitHub，适合开发者与技术爱好者探索和贡献。最新版本 v1.1 已支持 Firefox 和远程运行，功能更稳定。

功能列表

• 智能页面分析：提取网页内容，供 AI 模型处理。
• 自动化操作：支持点击按钮、填写表单、导航网页。
• 动态书签管理：根据关键词或主题快速检索浏览历史。
• 页面样式定制：调整网页外观，优化用户体验。
• 后台运行：支持多标签页操作，保持高效工作流。
• 隐私保护：所有操作本地运行，不上传数据到云端。
• 跨浏览器支持：兼容 Chrome、Firefox、Edge、Brave 等。
• 远程控制：支持通过不同设备或 Claude 浏览器操作。

使用帮助

安装流程

要使用 OpenDia，需要安装服务器端和浏览器扩展两部分。以下是详细步骤：

1. 安装 Node.js
   OpenDia 依赖 Node.js（v14 或更高版本）。访问 Node.js 官网 下载并安装适合你操作系统的版本。安装完成后，运行以下命令确认安装成功：

   node --version
   

2. 克隆 OpenDia 项目
   在终端或命令行中运行以下命令，下载 OpenDia 源代码：

   git clone https://github.com/aaronjmars/opendia.git
   cd opendia
   

3. 启动 MCP 服务器
   进入服务器目录并安装依赖：

   cd opendia-mcp
   npm install
   npm start
   

   默认情况下，服务器运行在 localhost:5555（WebSocket 端口）。如需自定义端口，可使用：

   npx opendia --ws-port=5555 --http-port=5556
   

   如果端口冲突，OpenDia 会自动终止现有进程并重新绑定。

4. 安装浏览器扩展
   • Chrome 浏览器
     打开 Chrome，进入 chrome://extensions/，启用“开发者模式”。点击“加载已解压的扩展”，选择 ./opendia-extension/dist/chrome 文件夹。扩展会自动连接到本地服务器。
   • Firefox 浏览器
     打开 Firefox，进入 about:debugging#/runtime/this-firefox，点击“加载临时附加组件”，选择 ./opendia-extension/dist/firefox/manifest.json 文件。扩展加载后即可使用。
   • 其他 Chromium 浏览器（如 Edge、Brave）可参考 Chrome 的安装步骤。
5. 验证连接
   扩展加载后，确认服务器运行正常。扩展会自动连接到 localhost:5555。如果使用远程服务器，需配置 ngrok 等工具（见下文）。
6. 可选：远程运行
   若需在不同设备或 Claude 浏览器上运行，需设置 ngrok 进行端口转发：
   • 安装 ngrok（Ubuntu/Debian 示例）：

     curl -s https://ngrok-agent.s3.amazonaws.com/ngrok.asc | sudo tee /etc/apt/trusted.gpg.d/ngrok.asc >/dev/null
     echo "deb https://ngrok-agent.s3.amazonaws.com buster main" | sudo tee /etc/apt/sources.list.d/ngrok.list
     sudo apt update && sudo apt install ngrok
     

   • 获取 ngrok 免费 authtoken（访问 ngrok 官网 注册）。
   • 运行 ngrok：

     ngrok http 5556
     

   • 使用 ngrok 提供的 URL 配置扩展的远程连接。

主要功能操作

• 智能页面分析
  安装扩展后，打开任意网页，点击扩展图标，启用“页面分析”功能。OpenDia 会提取网页的文本、图片等内容，供 AI 模型（如 Claude 或 ChatGPT）处理。用户可通过 MCP 协议发送指令，让 AI 分析内容并返回结果。例如，输入“总结此页面的核心观点”，AI 将基于提取的内容生成摘要。
• 自动化操作
  OpenDia 支持通过 AI 指令实现自动化。例如，输入“在 Twitter 上搜索最新 AI 趋势”，扩展会自动打开 Twitter，输入搜索词，并展示结果。用户可在扩展界面输入指令，也可通过 API 与本地 AI 模型集成。
• 动态书签管理
  在扩展界面选择“书签管理”，输入关键词（如“机器学习”）或主题，OpenDia 会扫描浏览器历史，列出相关网页。支持导出书签或生成报告，方便整理研究资料。
• 页面样式定制
  打开扩展的“样式工具”，选择预设皮肤或自定义 CSS，调整网页字体、颜色或布局。此功能适合优化阅读体验，例如将网页切换为夜间模式。
• 后台运行与多标签页
  OpenDia 支持在后台处理任务。用户可同时打开多个标签页，执行不同指令（如在一个标签页搜索，另一个标签页填写表单）。后台运行确保任务不中断。

注意事项

• 确保 Node.js 和服务器正常运行，否则扩展无法连接。
• 远程运行需稳定网络，避免 ngrok 连接中断。
• 扩展需要较高权限，可能触发浏览器安全警告，需手动确认信任。
• 项目为开源软件，无官方技术支持，建议参考 GitHub 社区讨论。

应用场景

1. 学术研究
   研究人员可使用 OpenDia 快速检索浏览器历史中的学术文章，提取关键信息并生成总结。例如，输入“查找本周阅读的机器学习文章”，即可获取相关网页列表和内容摘要。
2. 自动化工作流
   营销人员可通过 OpenDia 自动化社交媒体操作，如批量发布内容或收集数据。输入指令“在 LinkedIn 搜索 AI 相关职位”，即可自动完成搜索和结果整理。
3. 个性化浏览体验
   用户可通过页面样式定制功能，优化网页阅读体验，适合长时间阅读或需要高对比度界面的用户。
4. 开发与测试
   开发者可利用 OpenDia 的 MCP 协议，开发自定义 AI 工具，测试浏览器自动化功能，探索更多集成可能性。

QA

1. OpenDia 是否需要联网？
   OpenDia 核心功能本地运行，无需联网。远程控制或访问在线内容需网络支持。
2. 支持哪些 AI 模型？
   OpenDia 通过 MCP 协议支持 Claude、ChatGPT 及本地 LLM，需用户自行配置模型。
3. 是否完全免费？
   是的，OpenDia 采用 MIT 许可证，完全免费。用户只需承担运行环境的硬件成本。
4. 如何解决扩展无法连接服务器的问题？
   检查服务器是否运行在 localhost:5555，确认端口未被占用。重启服务器或更换端口可解决问题。