CLI-Anything'e Tarayıcı Otomasyon Desteği: MCP Backend Pattern İlk Uygulama

Tarayıcı otomasyonu gerçekten ilginç bir problem. AI ajanlarının web sitelerinde gezinebilmesi, formları doldurabilmesi artık sadece “iyi sahip olmak” değil, zorunluluk. CLI-Anything projesine yaptığım browser support katkısını burada anlatacağım.

MCP mimarisi - AI ajanları ile harici servisler arasındaki köprü.

Issue #90’dan PR #118’e

Her şey 16 Mart 2026’da @apireno‘nin #90 numaralı issue‘sını açmasıyla başladı. Ana fikir şuydu: “CLI wrapper’lar yazılımı ajan-native yapıyor” ve bunun tarayıcılar için de geçerli olabileceği.

@apireno, DOMShell projesinden bahsetti. DOMShell, Chrome’un Accessibility Tree’sini sanal bir dosya sistemine çeviriyor. Ajanlar ls, cd, grep, click gibi komutlarla tarayıcıyı kontrol edebiliyor. Benchmark sonuçları ilginçti: screenshot tabanlı yaklaşıma göre %50 daha az API çağrısı.

Chrome DevTools’taki Accessibility Tree - aslında ekran okuyucular için yapılmış ama ajanlar için de iş görüyor.

Accessibility Tree Nedir?

Accessibility Tree, tarayıcının DOM’dan ürettiği ama daha sade bir yapı. Ekran okuyucular için var bu yapı. Öğeleri rollerine göre sınıflandırıyor - button, link, textbox gibi. Ajanlar için de ideal aslında, stabil ve anlaşılır.

DOMShell’in mantığı basitti: Filesystem primitives (ls, cd, grep) DOM query’lerden daha verimli. Ajanlar sayfayı gezerken daha az çağrı yapıyor, daha hızlı ulaşıyor hedefe.

21 Mart’ta @omerarslan0‘nın önerdiği modeli temel alarak PR’ı oluşturdum. Bu, CLI-Anything’in ilk MCP server backend pattern’idi.

# Kullanım örneği
cli-anything-browser page open https://example.com
cli-anything-browser fs ls /
cli-anything-browser fs cd /main
cli-anything-browser fs grep "Login"
cli-anything-browser act click /main/button[0]

Mimari

Diğer harness’lar genellikle doğrudan backend API çağrısı yapıyor. Bu sefer durum farklıydı: MCP Server entegrasyonu.

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│   CLI Commands   │────▶│  browser_cli.py │────▶│   MCP Backend   │
│  (Click groups)  │     │  (CLI entry)    │     │ (domshell_      │
└─────────────────┘     └─────────────────┘     │  backend.py)    │
                                                 └────────┬────────┘
                                                          │
                    ┌─────────────────────────────────────┼────────────┐
                    │                                     │            │
                    ▼                                     ▼            ▼
            ┌───────────────┐                 ┌────────────┐    ┌──────────┐
            │ Spawn npx     │                 │  DOMShell  │    │  Chrome  │
            │ subprocess    │◀──stdio─────────▶│  MCP Server│◀───│ + Ext    │
            └───────────────┘                 └────────────┘    └──────────┘

MCP Backend Pattern

Bu CLI-Anything için yeni bir patterndi. Öncesinde hiçbir harness MCP server kullanmamıştı. Python SDK implementasyonu:

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

server_params = StdioServerParameters(
    command="npx",
    args=["@apireno/domshell"]
)

async with stdio_client(server_params) as (read, write):
    async with ClientSession(read, write) as session:
        await session.initialize()
        result = await session.call_tool("domshell_ls", {"path": "/"})

Ana fark şu: MCP server stateless. Her komutta yeni subprocess başlıyor. State (URL, working directory, history) CLI tarafında tutuluyor.

Command Groups

Implementasyon 4 ana group içeriyordu:

• page: open, reload, back, forward, info - Sayfa navigasyonu
• fs: ls, cd, cat, grep, pwd - Dosya sistemi tarzı gezinme
• act: click, type - Etkileşim
• session: status, daemon-start, daemon-stop - Oturum yönetimi

Daemon Mode

Her komutta npx subprocess başlatmak 1-3 saniye kaybettiriyor. Daemon mode ile kalıcı bağlantı kuruyorsun. İnteraktif kullanımda fark hissediliyor.

cli-anything-browser session daemon-start
# Tüm komutlar aynı bağlantıyı kullanır artık
cli-anything-browser fs ls /
cli-anything-browser session daemon-stop

Testler

Üç katmanlı test stratejisi uyguladım. Unit tests 31 taneydi - MCP backend response’ları mock’lanıyor, path resolution ve state management test ediliyordu. Chrome gerekmiyordu.

pytest cli_anything/browser/tests/test_core.py -v
# Sonuç: 31/31 PASSED

E2E tests 10 taneydi. Chrome + DOMShell extension gerekiyordu. Gerçek sayfalarda test ediyordu. DOMShell yoksa testler skip oluyordu, böylece CI/CD patlamıyordu.

DOMSHELL_E2E=1 pytest cli_anything/browser/tests/test_full_e2e.py -v

Review Süreci

PR’ı gönderdikten sonra @omerarslan0 review yaptı. 9 maddelik feedback aldım. En kritikleri:

• Daemon mode context manager leak - _daemon_client_context global değişkeni ile düzeltildi
• go_back()/go_forward() - Local history yerine native MCP tool’ları kullanıldı
• REPL quoted arguments - shlex.split() ile düzeltildi, tırnaklı argümanlar artık doğru parse ediliyor
• Security - act type artık typed text’i echo etmiyor, passwordler terminal scrollback’de kalmıyor

Her düzeltme ayrı commit’lerde, her biri review’da belgelendi.

CLI interface - dosya sistemi komutlarıyla tarayıcı kontrolü.

Merge ve Sonuç

22 Mart’ta PR merge edildi. 3,095 satır ekleme, 21 dosya değişti, 15 commit. Bu, CLI-Anything’in ilk MCP backend pattern referans implementasyonu. Gelecekteki MCP entegrasyonları için bir template olacak.

Browser harness CLI-Hub’a eklendi:

{
  "name": "browser",
  "display_name": "Browser",
  "version": "1.0.0",
  "description": "Browser automation via DOMShell MCP server",
  "requires": "Node.js, npx, Chrome + DOMShell extension",
  "homepage": "https://github.com/apireno/DOMShell",
  "install_cmd": "pip install git+https://github.com/HKUDS/CLI-Anything.git#subdirectory=browser/agent-harness",
  "entry_point": "cli-anything-browser",
  "category": "web",
  "contributor": "furkankoykiran"
}

Öğrendiklerim

MCP Python SDK

stdio transport ile subprocess communication, async → sync wrapper dönüşümü, tool calling pattern’leri.

Accessibility Tree vs DOM

Accessibility Tree daha stabil. DOM query’lerden daha az kırılgan. Agent navigation için ideal.

Open Source

Issue’dan implementasyona geçiş, review feedback yönetimi, documentation update’leri, test coverage önemi.

Daemon Mode

Context manager lifecycle, state persistence, event loop limitations - hepsi yeni öğrendiklerim.

Gelecek

V1’de dışarıda bıraktıklarım: screenshot capture, wait-for-element, form fill helper, headless mode, multi-browser (Firefox, Safari), concurrent MCP operations.

@apireno ayrıca eval ve js escape hatch’lerini önerdi. Element’in temiz AX representation’ı yoksa fallback olarak kullanılabilecek.

Bu katkı sadece bir browser harness değil, aynı zamanda gelecekteki MCP entegrasyonları için bir referans pattern oluşturdu. cli-anything-plugin/HARNESS.md‘ye eklenen MCP Backend Pattern bölümü, diğer geliştiricilere rehber olacak.

Açık kaynak dünyasında bu tür bir pattern’ı ilk kez implement etmek ilginçti. Review sürecinde @omerarslan0, @yuh-yang ve @apireno‘nın feedback’leri katkının kalitesini artırdı.

---

Referanslar:

• Issue #90
• PR #118
• DOMShell
• CLI-Anything