Node Mantis

ทางการ

ระบบอัตโนมัติบนเว็บ: อธิบายงานบนเว็บไซต์ด้วยภาษาอังกฤษทั่วไป แล้ว Node Mantis จะดำเนินการผ่านหน้าเว็บในเบราว์เซอร์จริงและส่งคืนข้อมูลที่มีโครงสร้าง

คุณทำอะไรได้บ้างด้วย Node Mantis MCP?

  • ทำงานบนเว็บไซต์ — ระบุเป้าหมายเป็นภาษาธรรมดา แล้ว Node Mantis จะคลิก พิมพ์ และกรอกแบบฟอร์มในเบราว์เซอร์จริง
  • ส่งคืนข้อมูลแบบมีโครงสร้าง — ระบุ JSON Schema แล้วรับผลลัพธ์ของงานเป็นข้อมูลที่ตรงตามโครงสร้างนั้น
  • อ่านหน้าเว็บเดียว — ใช้ retrieve_data เพื่อดึงข้อมูลเฉพาะจาก URL หนึ่งรายการโดยไม่เปลี่ยนแปลงสิ่งใด
  • จัดการงานที่ใช้เวลานาน — ตรวจสอบความคืบหน้าหรือหยุดงานเบื้องหลังด้วย get_task และ cancel_task
  • เก็บข้อมูลลับให้พ้นจากแชต — อ้างอิงค่าที่จัดเก็บไว้ด้วย <secret:NAME> เพื่อไม่ให้รหัสผ่านและรหัสต่าง ๆ ผ่านบทสนทนา

เอกสาร

เซิร์ฟเวอร์ MCP

Node Mantis มีเซิร์ฟเวอร์ Model Context Protocol (MCP) เพิ่มเซิร์ฟเวอร์นี้ให้กับผู้ช่วย AI ที่รองรับ MCP เช่น Claude Code, Claude Desktop, Cursor, VS Code หรือ Codex แล้วผู้ช่วยจะทำงานบนเว็บไซต์แทนคุณได้ โดยคุณบอกงานที่ต้องการให้ทำ จากนั้น Node Mantis จะดำเนินการบนเว็บไซต์ผ่านเบราว์เซอร์จริงและส่งผลลัพธ์กลับมาเป็นข้อมูลแบบมีโครงสร้าง

การเพิ่มเซิร์ฟเวอร์นี้ให้กับเอเจนต์เขียนโค้ดหรือผู้ช่วยของคุณช่วยให้คุณทำสิ่งต่อไปนี้ได้:

  • ทำงานบนเว็บไซต์ บอกเป้าหมายเป็นภาษาธรรมดา แล้ว Node Mantis จะดำเนินการบนเว็บไซต์เหมือนผู้ใช้จริง ทั้งคลิก พิมพ์ และจัดการแบบฟอร์ม เมนูดรอปดาวน์ และตัวเลือกวันที่
  • รับผลลัพธ์แบบมีโครงสร้าง ระบุ JSON Schema แล้ว Node Mantis จะส่งผลลัพธ์เป็นข้อมูลที่ตรงตาม Schema นั้น
  • เรียกใช้งานที่ใช้เวลานานในเบื้องหลัง งานที่ใช้เวลาหลายนาทีจะยังทำงานต่อไป ขณะที่ผู้ช่วยตรวจสอบสถานะ รายงานความคืบหน้า หรือยกเลิกงานได้

เซิร์ฟเวอร์นี้เป็นส่วนหนึ่งของแพ็กเกจ node-mantis บน npm และ PyPI จึงไม่ต้องติดตั้งแยกต่างหาก ผู้ช่วยจะเริ่มเซิร์ฟเวอร์ด้วยคำสั่งเดียวผ่าน Node.js:

npx -y node-mantis mcp

หรือผ่าน Python ด้วย uv:

uvx node-mantis mcp

ทั้งสองวิธีมอบเครื่องมือชุดเดียวกันให้ผู้ช่วย คุณต้องมี Node.js หรือ Python, Google Chrome และ API key จาก แดชบอร์ด หากยังไม่ได้ติดตั้ง Chrome งานแรกจะดาวน์โหลด Chrome for Testing

เพิ่มลงในผู้ช่วยของคุณ

ผู้ช่วยแต่ละตัวจะเก็บรายการเซิร์ฟเวอร์ MCP ไว้ในการตั้งค่า คุณเพิ่มรายการของ Node Mantis ได้หนึ่งรายการ โดยใช้คำสั่งหรือแก้ไขไฟล์การตั้งค่าของผู้ช่วย จากนั้นผู้ช่วยจะเริ่มเซิร์ฟเวอร์เองเมื่อต้องการใช้งาน มีสามขั้นตอนดังนี้:

  1. คัดลอก API key จาก แดชบอร์ด
  2. เพิ่มรายการด้านล่างลงในผู้ช่วย ตำแหน่งที่ต้องเพิ่มขึ้นอยู่กับผู้ช่วยแต่ละตัว ดูตารางและหัวข้อถัดไป
  3. รีสตาร์ตผู้ช่วย แล้วตรวจสอบว่าทำงานได้

ผู้ช่วยส่วนใหญ่ใช้รายการ JSON เดียวกันได้ หากใช้ Node.js:

{
  "mcpServers": {
    "node-mantis": {
      "command": "npx",
      "args": ["-y", "node-mantis", "mcp"],
      "env": { "NODEMANTIS_API_KEY": "sk_live_<copy-from-dashboard>" }
    }
  }
}

หากใช้ Python:

{
  "mcpServers": {
    "node-mantis": {
      "command": "uvx",
      "args": ["node-mantis", "mcp"],
      "env": { "NODEMANTIS_API_KEY": "sk_live_<copy-from-dashboard>" }
    }
  }
}

รายการนี้มีสามส่วน:

  • node-mantis คือชื่อเซิร์ฟเวอร์ที่ผู้ช่วยแสดง คุณเปลี่ยนได้
  • command และ args คือวิธีที่ผู้ช่วยใช้เริ่มเซิร์ฟเวอร์ เลือกใช้เวอร์ชัน Node.js หรือ Python อย่างใดอย่างหนึ่ง ทั้งสองวิธีมอบเครื่องมือชุดเดียวกันให้ผู้ช่วย
  • env เก็บการตั้งค่าที่ผู้ช่วยส่งให้เซิร์ฟเวอร์เมื่อเริ่มทำงาน แทนที่ตัวยึดตำแหน่งด้วย API key ของคุณ หากบันทึกคีย์ไว้ด้วย nodemantis configure แล้ว คุณสามารถละ env ได้

หากไฟล์การตั้งค่ามีส่วน mcpServers อยู่แล้ว ให้เพิ่มรายการ node-mantis ไว้ภายในส่วนนั้นร่วมกับรายการอื่น แทนการวาง mcpServers ซ้ำอีกชุด

ผู้ช่วยตำแหน่งที่เพิ่มรายการ
Claude Codeใช้คำสั่งเดียวในเทอร์มินัล
Claude Desktopclaude_desktop_config.json ซึ่งเปิดได้จาก Settings
Cursor~/.cursor/mcp.json สำหรับทุกโปรเจกต์ หรือ .cursor/mcp.json ในโปรเจกต์เดียว
VS Code.vscode/mcp.json ในเวิร์กสเปซของคุณ
Codexใช้คำสั่งเดียวในเทอร์มินัล หรือ ~/.codex/config.toml

Claude Code

เรียกใช้คำสั่งใดคำสั่งหนึ่งต่อไปนี้ในเทอร์มินัล หากใช้ Node.js:

claude mcp add node-mantis -e NODEMANTIS_API_KEY="sk_live_<copy-from-dashboard>" -- npx -y node-mantis mcp

หากใช้ Python:

claude mcp add node-mantis -e NODEMANTIS_API_KEY="sk_live_<copy-from-dashboard>" -- uvx node-mantis mcp

จากนั้น claude mcp list จะแสดงว่า node-mantis เชื่อมต่อแล้ว

Claude Desktop

เปิด Settings จากนั้นเลือก Developer แล้วเลือก Edit Config ซึ่งจะเปิด claude_desktop_config.json ที่จัดเก็บไว้ใน ~/Library/Application Support/Claude/ บน macOS และใน %APPDATA%\Claude\ บน Windows เพิ่มรายการ JSON ด้านบน บันทึกไฟล์ แล้วรีสตาร์ตแอป

Cursor

เพิ่มรายการ JSON ด้านบนลงใน ~/.cursor/mcp.json เพื่อใช้กับทุกโปรเจกต์ หรือเพิ่มลงใน .cursor/mcp.json ภายในโปรเจกต์เดียว สร้างไฟล์หากยังไม่มี

VS Code

VS Code ใช้ servers แทน mcpServers เพิ่มรายการนี้ลงใน .vscode/mcp.json ในเวิร์กสเปซของคุณ:

{
  "servers": {
    "node-mantis": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "node-mantis", "mcp"],
      "env": { "NODEMANTIS_API_KEY": "sk_live_<copy-from-dashboard>" }
    }
  }
}

หากใช้ Python ให้ตั้งค่า command เป็น uvx และ args เป็น ["node-mantis", "mcp"]

Codex

เรียกใช้คำสั่งใดคำสั่งหนึ่งต่อไปนี้ในเทอร์มินัล หากใช้ Node.js:

codex mcp add node-mantis --env NODEMANTIS_API_KEY="sk_live_<copy-from-dashboard>" -- npx -y node-mantis mcp

หากใช้ Python:

codex mcp add node-mantis --env NODEMANTIS_API_KEY="sk_live_<copy-from-dashboard>" -- uvx node-mantis mcp

หรือแก้ไข ~/.codex/config.toml การเพิ่มขีดจำกัดเวลาเริ่มต้นช่วยให้มีเวลาพอดาวน์โหลดแพ็กเกจในการเปิดใช้งานครั้งแรก:

[mcp_servers.node-mantis]
command = "npx"
args = ["-y", "node-mantis", "mcp"]
startup_timeout_sec = 60

[mcp_servers.node-mantis.env]
NODEMANTIS_API_KEY = "sk_live_<copy-from-dashboard>"

หากใช้ Python ให้ตั้งค่า command เป็น "uvx" และ args เป็น ["node-mantis", "mcp"]

ใช้ Python โดยไม่ใช้ uv

ตัวอย่าง Python ด้านบนใช้ uv ซึ่งจะดึงแพ็กเกจจาก PyPI เมื่อใช้งานครั้งแรก หากไม่มี uv ให้ติดตั้งแพ็กเกจครั้งเดียวด้วย python -m pip install node-mantis แล้วใช้ nodemantis เป็นคำสั่ง โดยมี mcp เป็นอาร์กิวเมนต์เพียงรายการเดียว:

{
  "mcpServers": {
    "node-mantis": {
      "command": "nodemantis",
      "args": ["mcp"],
      "env": { "NODEMANTIS_API_KEY": "sk_live_<copy-from-dashboard>" }
    }
  }
}

ตรวจสอบว่าทำงานได้

หลังรีสตาร์ต ผู้ช่วยจะแสดง node-mantis ในรายการเซิร์ฟเวอร์ MCP พร้อมเครื่องมือสี่รายการ จากนั้นขอให้ผู้ช่วยทำงาน เช่น:

Use Node Mantis to open https://sandbox.nodemantis.com and tell me the title and price of the first book.

ผู้ช่วยจะเรียกใช้ run_task และตอบกลับพร้อมสิ่งที่พบจากงาน หากไม่เป็นเช่นนั้น โปรดดูการแก้ไขปัญหา

Windows

หากผู้ช่วยไม่สามารถเริ่ม npx ได้โดยตรง ให้เรียกใช้ผ่าน cmd:

{
  "mcpServers": {
    "node-mantis": {
      "command": "cmd",
      "args": ["/c", "npx", "-y", "node-mantis", "mcp"],
      "env": { "NODEMANTIS_API_KEY": "sk_live_<copy-from-dashboard>" }
    }
  }
}

เครื่องมือ

เครื่องมือคำอธิบาย
run_taskทำงานบนเว็บไซต์ตามเป้าหมายที่บอกเป็นภาษาธรรมดา เช่น ไปยังหน้าเว็บ คลิก พิมพ์ กรอกแบบฟอร์ม และอ่านผลลัพธ์
retrieve_dataเปิดหน้าเว็บหนึ่งหน้าและอ่านข้อมูลโดยไม่เปลี่ยนแปลงสิ่งใดในหน้านั้น
get_taskรอให้งานดำเนินต่อ แล้วส่งสถานะ ความคืบหน้าล่าสุด และผลลัพธ์กลับมา
cancel_taskหยุดงานที่กำลังทำงานและปิดเบราว์เซอร์

แต่ละงานจะทำงานในเซสชันเบราว์เซอร์ใหม่ของตัวเอง โดยไม่มีข้อมูลการเข้าสู่ระบบที่บันทึกไว้ และเซสชันจะปิดเมื่องานสิ้นสุด

run_task

ทำงานเหมือน run ใน SDK โดยต้องระบุเพียง goal

พารามิเตอร์ชนิดค่าเริ่มต้นคำอธิบาย
goalstringจำเป็นสิ่งที่ต้องทำให้สำเร็จ โดยอธิบายเป็นภาษาธรรมดาพร้อมรายละเอียดทั้งหมดที่จำเป็นต่อการทำงานให้เสร็จ
start_urlstringไม่มีหน้าเว็บที่จะเปิดเป็นหน้าแรก หากไม่ระบุ งานจะหาวิธีดำเนินการเองจากเป้าหมาย
result_schemaobjectรูปแบบอิสระJSON Schema สำหรับข้อมูลที่จะส่งกลับ ผลลัพธ์จะมีข้อมูลตามรูปแบบนั้น
effortlow | medium | high | xhighปานกลางปริมาณความสามารถที่จะใช้ ยิ่งใช้ความพยายามมากก็ยิ่งจัดการหน้าเว็บที่ซับซ้อนได้ แต่มีค่าใช้จ่ายสูงขึ้น
max_cost_usdnumberไม่มีขีดจำกัดงบประมาณเป็น USD ที่ตรวจสอบระหว่างแต่ละขั้นตอน ขั้นตอนสุดท้ายอาจทำให้ยอดใช้จ่ายรวมเกินจำนวนนี้ได้
max_stepsinteger30จำนวนขั้นตอนสูงสุดก่อนหยุดงาน
timeout_secondsinteger300เวลาสูงสุดโดยรวมของงาน
secretsstring[]ไม่มีชื่อของค่าลับที่งานสามารถพิมพ์ได้ แต่ละค่าจะอ่านจาก NODEMANTIS_SECRET_<NAME> ในสภาพแวดล้อมของเซิร์ฟเวอร์
use_proxybooleanfalseกำหนดเส้นทางเบราว์เซอร์ผ่านพร็อกซีที่ตั้งค่าไว้ในสภาพแวดล้อมของเซิร์ฟเวอร์
show_browserbooleanfalseแสดงหน้าต่างเบราว์เซอร์ขณะงานกำลังทำงาน

retrieve_data

ทำงานเหมือน retrieve ใน SDK หากการเข้าถึงข้อมูลต้องคลิก พิมพ์ หรือเปิดหลายหน้า ให้ใช้ run_task แทน

พารามิเตอร์ชนิดค่าเริ่มต้นคำอธิบาย
urlstringจำเป็นหน้าเว็บที่จะอ่าน
promptstringจำเป็นข้อมูลที่ต้องการอ่านจากหน้าเว็บ
result_schemaobjectรูปแบบอิสระJSON Schema สำหรับรูปแบบของข้อมูลที่จะส่งกลับ
effortlow | medium | high | xhighปานกลางปริมาณความสามารถที่จะใช้ในการอ่านหน้าเว็บ
use_proxybooleanfalseกำหนดเส้นทางเบราว์เซอร์ผ่านพร็อกซีที่ตั้งค่าไว้ในสภาพแวดล้อมของเซิร์ฟเวอร์
show_browserbooleanfalseแสดงหน้าต่างเบราว์เซอร์ขณะอ่านหน้าเว็บ

get_task

พารามิเตอร์ชนิดค่าเริ่มต้นคำอธิบาย
task_idstringจำเป็นtask_id ที่ส่งกลับจาก run_task หรือ retrieve_data
wait_secondsinteger45ระยะเวลาที่รอให้งานเสร็จก่อนตอบกลับ หากเป็น 0 จะตอบกลับทันที

cancel_task

รับค่า task_id งานที่เสร็จสิ้นแล้วจะไม่มีการเปลี่ยนแปลง

งานที่ใช้เวลานาน

งานบนเว็บไซต์อาจใช้เวลานานกว่าที่ผู้ช่วยจะรอการเรียกใช้เครื่องมือหนึ่งครั้งได้ ดังนั้น run_task และ retrieve_data จึงรอได้สูงสุด 45 วินาที หากงานเสร็จภายในเวลานั้น การเรียกใช้จะส่งผลลัพธ์กลับมา มิฉะนั้นจะส่งสถานะ running พร้อม task_id และงานจะทำงานต่อในเบื้องหลัง:

{
  "task_id": "task_6f0c2a54-8f0e-4f0a-9d2b-2f6c1f1f8a10",
  "tool": "run_task",
  "status": "running",
  "elapsed_seconds": 45,
  "progress": {
    "step": 6,
    "max_steps": 30,
    "message": "Step 6/30: The cart shows one book. — click(\"Checkout\")"
  },
  "next_step": "Still running. Call get_task with task_id \"task_6f0c2a54-8f0e-4f0a-9d2b-2f6c1f1f8a10\" to wait for the result, or cancel_task to stop it."
}

จากนั้นผู้ช่วยจะเรียกใช้ get_task พร้อม ID นั้นซ้ำไปเรื่อย ๆ จนกว่าสถานะจะเป็น succeeded, failed หรือ cancelled:

{
  "task_id": "task_6f0c2a54-8f0e-4f0a-9d2b-2f6c1f1f8a10",
  "tool": "run_task",
  "status": "succeeded",
  "elapsed_seconds": 71,
  "result": {
    "ok": true,
    "reason": "Added the book to the cart and read the cart.",
    "value": { "title": "Journey to the Center of the Earth", "quantity": 1 },
    "steps": 9,
    "cost_usd": 0.04,
    "trace_id": "op_1794979105280_5c3e8996"
  }
}

งานที่มีสถานะ failed ยังคงส่งสิ่งที่พบกลับมาพร้อมเหตุผล เพื่อให้ผู้ช่วยปรับเป้าหมายแล้วลองอีกครั้ง งานที่เสร็จแล้วจะถูกเก็บไว้หนึ่งชั่วโมง งานจะผูกกับเซิร์ฟเวอร์ที่กำลังทำงานอยู่ และจะหยุดเมื่อผู้ช่วยปิดเซิร์ฟเวอร์

ข้อมูลลับ

รหัสผ่านและรหัสแบบใช้ครั้งเดียวจะไม่ผ่านบทสนทนา ตั้งค่าแต่ละค่าในสภาพแวดล้อมของเซิร์ฟเวอร์เป็น NODEMANTIS_SECRET_<NAME> โดยวางไว้ข้าง API key ใน env ผู้ช่วยจะส่งเฉพาะชื่อใน secrets และอ้างถึงค่าในเป้าหมายด้วย <secret:NAME> ดูที่ ข้อมูลลับ

พร็อกซี

หากต้องการส่งเบราว์เซอร์ของงานผ่านพร็อกซี ให้ตั้งค่า NODEMANTIS_PROXY ในสภาพแวดล้อมของเซิร์ฟเวอร์ และกำหนดให้งานส่ง use_proxy รายการพร็อกซีและไฟล์ทำงานตามที่อธิบายไว้ในการตั้งค่าพร็อกซี

ตัวเลือกเซิร์ฟเวอร์

เพิ่มรายการเหล่านี้หลัง mcp ในรายการ args

พารามิเตอร์ชนิดค่าเริ่มต้นคำอธิบาย
--wait-seconds <n>number45ระยะเวลาที่การเรียกใช้เครื่องมือจะรอให้งานดำเนินการก่อนส่ง task id กลับมา ลดค่านี้หากผู้ช่วยของคุณเลิกรอการเรียกใช้เครื่องมือเร็วกว่านี้
--max-tasks <n>number4จำนวนงานที่ทำงานพร้อมกันได้
-H, --headedflagheadlessแสดงหน้าต่างเบราว์เซอร์สำหรับทุกงาน เว้นแต่การเรียกใช้เครื่องมือจะกำหนด show_browser

การแก้ไขปัญหา

  • ผู้ช่วยแจ้งว่าไม่ได้กำหนดค่า API key เพิ่ม NODEMANTIS_API_KEY ลงใน env ของเซิร์ฟเวอร์ หรือเรียกใช้ nodemantis configure หนึ่งครั้ง แล้วลองอีกครั้ง ไม่จำเป็นต้องรีสตาร์ตหลังจาก configure
  • เซิร์ฟเวอร์หมดเวลาระหว่างเริ่มทำงานครั้งแรก การเปิดใช้งาน npx ครั้งแรกจะดาวน์โหลดแพ็กเกจ ติดตั้งแพ็กเกจครั้งเดียวด้วย npm install -g node-mantis แล้วเริ่มคำสั่งที่ติดตั้งไว้แทน:
    {
      "mcpServers": {
        "node-mantis": {
          "command": "nodemantis",
          "args": ["mcp"]
        }
      }
    }
    
  • เริ่มงานไม่สำเร็จ เรียกใช้ nodemantis doctor เพื่อตรวจสอบการติดตั้ง เบราว์เซอร์ และ API key