CapSolver MCP Server Está Agora Disponível para Agentes de IA

TL;DR

• O servidor CapSolver MCP está disponível no PyPI como capsolver-mcp. A versão 0.1.1 instala no Python 3.10 ou superior e instala automaticamente capsolver-core como dependência de runtime.
• O servidor fornece cinco ferramentas CapSolver para clientes de IA compatíveis com MCP. Elas abrangem resolução em modo de token, detecção de CAPTCHA, resolução baseada em navegador e preenchimento de resposta, verificação de saldo de conta e descoberta de tipos suportados.
• O transporte padrão de stdio é projetado para clientes locais de MCP. Os transportes SSE e HTTP Streamable também estão disponíveis para implantações que precisam de um ponto de extremidade de rede.
• As ferramentas de navegador são opcionais. Instale o extra browser e o Chromium somente quando o fluxo de trabalho precisar de detecção de página ou preenchimento de resposta no navegador.
• O servidor CapSolver MCP é destinado a automação autorizada. O acesso técnico não concede permissão para automatizar sistemas privados, restritos ou de outra forma não autorizados.

O servidor CapSolver MCP traz tratamento de CAPTCHA para agentes de IA

Agentes de IA podem planejar tarefas, operar navegadores e chamar ferramentas externas, mas um checkpoint de verificação pode interromper uma execução de automação válida. O servidor CapSolver MCP fornece uma interface de ferramenta padrão para clientes de IA compatíveis lidarem com desafios de CAPTCHA suportados em fluxos autorizados. A plataforma mais ampla de automação de agentes CapSolver conecta a mesma infraestrutura a frameworks de agentes, ferramentas de navegador e integrações SDK diretas.

O pacote conecta o CapSolver ao Model Context Protocol, um protocolo aberto pelo qual aplicações de IA descobrem e invocam capacidades externas. Em vez de implementar código de ligação separado para cada cliente compatível, as equipes podem configurar um único servidor MCP e expor o mesmo conjunto de ferramentas CapSolver por meio do protocolo.

A primeira versão pública foi lançada como versão 0.1.0. A versão 0.1.1 está agora disponível com documentação atualizada de publicação e instalação limpa. O pacote suporta Python 3.10 até 3.13 e é publicado sob a Licença MIT.

O que mudou com o lançamento do MCP

O lançamento do MCP transforma a funcionalidade do CapSolver em cinco ferramentas nomeadas que um cliente de IA pode descobrir após se conectar ao servidor. O modelo pode selecionar uma ferramenta com base na tarefa, enquanto o servidor CapSolver MCP lida com a operação correspondente do SDK.

O servidor CapSolver MCP usa capsolver-core sob essa camada de ferramentas. Um comando normal de pip install capsolver-mcp instala automaticamente o pacote Core, então os usuários não precisam instalar a dependência separadamente. O extra opcional de navegador adiciona suporte ao Playwright para detect_captchas e solve_on_page.

O servidor também oferece três opções de transporte. Stdio é o padrão para um cliente local que inicia o servidor como um processo filho. SSE e HTTP Streamable podem se ligar a um host e porta configurados para implantações em que o cliente MCP se conecta por uma fronteira de rede.

Quem deve usar o servidor CapSolver MCP

O servidor CapSolver MCP é o melhor ajuste para equipes que já usam uma aplicação de IA compatível com MCP e querem uma integração baseada em configuração. O caminho MCP evita escrever um wrapper específico do framework antes que um agente possa descobrir as ferramentas CapSolver.

Casos comuns incluem fluxos de QA autorizados, RPA permitida, monitoramento interno e fluxos de trabalho de dados públicos aprovados em que um agente pode encontrar um passo de verificação suportado. Uma equipe também pode expor um serviço de rede compartilhado para múltiplos clientes compatíveis, sujeito aos seus próprios requisitos de autenticação, rede e controle de acesso.

O CapSolver fornece duas outras camadas de integração para desenvolvedores que precisam de mais controle. capsolver-agent fornece esquemas de ferramentas de agente sem dependência de framework e um executor para loops de agente personalizados e integrações de framework suportado. capsolver-core fornece o SDK Python subjacente para API direta e automação de navegador sem a necessidade de um LLM. A visão geral da integração do CapSolver para agentes de IA explica quando escolher MCP, Ferramentas de Agente ou SDK Core, enquanto a organização GitHub do CapSolver AI contém os pacotes públicos e exemplos de integração.

Resgate seu código promocional do CapSolver

Aumente seu orçamento de automação instantaneamente!
Use o código promocional CAP26 ao recarregar sua conta do CapSolver para obter um bônus adicional de 5% em cada recarga — sem limites.
Resgate-o agora em seu Painel do CapSolver

Um caminho de instalação verificado

O caminho mais curto de instalação usa o Python 3.10 ou superior e o pacote publicado no PyPI. O seguinte comando foi verificado em um ambiente Python 3.12 limpo com a versão 0.1.1:

python -m pip install capsolver-mcp==0.1.1

A instalação limpa puxou automaticamente capsolver-core e instalou o comando capsolver-mcp. Executar o comando de ajuda confirmou as opções de transporte stdio, SSE e HTTP Streamable documentadas:

capsolver-mcp --help

Para detecção e preenchimento baseados em navegador, instale o extra opcional e um runtime do Chromium:

python -m pip install "capsolver-mcp[browser]==0.1.1"
playwright install chromium

O extra do navegador não é necessário para solve_captcha, get_balance ou get_supported_captchas. Manter as dependências de navegador como opcionais torna a instalação base menor para fluxos de trabalho apenas com token.

Antes de iniciar o servidor, crie uma conta no CapSolver e armazene a credencial na variável de ambiente CAPSOLVER_API_KEY. Uma chave de API é uma credencial e deve permanecer fora de código-fonte, capturas de tela, relatórios de problemas e arquivos de configuração públicos.

export CAPSOLVER_API_KEY="sua-chave-api-do-capsolver"
capsolver-mcp

O servidor inicia no modo stdio por padrão. O terminal pode parecer ocupado porque o processo está aguardando que um cliente MCP troque mensagens de protocolo por entrada e saída padrão.

Configure um cliente MCP

Um cliente MCP precisa do comando do servidor e da variável de ambiente da chave de API. A seguinte configuração segue a estrutura documentada pelo CapSolver para clientes locais de stdio:

{
  "mcpServers": {
    "capsolver": {
      "command": "capsolver-mcp",
      "env": {
        "CAPSOLVER_API_KEY": "SUA_CHAVE_DE_API"
      }
    }
  }
}

Salve o bloco no local exigido pelo cliente selecionado, reinicie o cliente e inspecione suas ferramentas disponíveis. As cinco ferramentas do CapSolver devem aparecer após uma conexão bem-sucedida. Em seguida, você pode pedir ao cliente para usar get_supported_captchas ou get_balance como uma verificação de configuração de baixo impacto antes de testar um fluxo de resolução.

Se o cliente não encontrar capsolver-mcp, seu processo pode não herdar o ambiente da shell em que o pacote foi instalado. Uma opção é usar uvx, que o guia detalhado do cliente do projeto suporta:

{
  "mcpServers": {
    "capsolver": {
      "command": "uvx",
      "args": ["capsolver-mcp"],
      "env": {
        "CAPSOLVER_API_KEY": "SUA_CHAVE_DE_API"
      }
    }
  }
}

Outra opção é apontar command para o caminho absoluto do Python dentro do ambiente e usar "args": ["-m", "capsolver_mcp"]. O guia de configuração do cliente MCP do CapSolver contém caminhos e exemplos específicos de clientes para Claude Desktop, Claude Code, Cursor, Windsurf, Cline e configurações HTTP remotas.

Escolha o transporte certo

O transporte deve corresponder a onde o cliente e o servidor MCP estão executando. Ferramentas de desktop local devem geralmente começar com stdio, pois o cliente possui o processo do servidor e não é necessário uma porta de rede escutando.

HTTP Streamable é adequado quando o servidor é executado como um serviço gerenciado separadamente e o cliente suporta um ponto de extremidade MCP HTTP. SSE permanece disponível para clientes ou implantações existentes que o exigem. O servidor expõe flags de host e porta para ambos os modos de rede:

capsolver-mcp --transport streamable-http --host 127.0.0.1 --port 8000

Vincular-se a 127.0.0.1 mantém o ponto de extremidade local à máquina. Vincular-se a 0.0.0.0 torna-o acessível por interfaces de rede disponíveis e, portanto, requer autenticação, firewall, proxy, controle de segredos, log e outros controles deliberados. Não exponha um servidor contendo uma chave de API diretamente para a internet pública.

O que verificar após a configuração

Uma instalação bem-sucedida não confirma por si só que o cliente, ambiente, conta e runtime de navegador opcional estejam todos corretamente conectados. Verifique a integração em etapas:

1. Confirme que o cliente relata o servidor MCP do CapSolver como conectado.
2. Confirme que todos os cinco nomes de ferramentas esperados estão visíveis.
3. Chame get_supported_captchas para verificar a execução da ferramenta sem abrir um navegador.
4. Chame get_balance para confirmar que a chave de API está disponível ao servidor.
5. Teste a resolução apenas em um site ou sistema que você possua ou tenha permissão explícita para automatizar.
6. Instale o extra do navegador separadamente antes de testar detect_captchas ou solve_on_page.

A documentação oficial do serviço MCP contém as descrições atuais das ferramentas, flags da linha de comando, formato de configuração e requisitos de navegador. O repositório público do CapSolver MCP contém o código-fonte, histórico de alterações, comandos de desenvolvimento, rastreador de problemas e licença MIT. A página do pacote PyPI é a fonte dos arquivos do pacote publicado e disponibilidade de versão.

Explore integrações de automação de agentes do CapSolver

O servidor CapSolver MCP é um ponto de entrada na pilha mais ampla de automação de agentes. Escolha a página de integração que corresponda ao framework ou runtime de navegador já usado pelo fluxo de trabalho:

As páginas de integração fornecem orientação de produto, enquanto os repositórios capsolver-mcp, capsolver-agent e capsolver-core fornecem pacotes instaláveis, código-fonte, exemplos e rastreador de problemas.

Limites e uso responsável

O servidor CapSolver MCP fornece ferramentas; ele não determina se uma tarefa de automação é autorizada. Os usuários permanecem responsáveis por leis aplicáveis, termos de site, permissões de conta, requisitos de tratamento de dados e políticas organizacionais.

Operações baseadas em navegador exigem o Playwright e uma instalação do Chromium, enquanto ferramentas em modo de token não operam um navegador. Um cliente MCP compatível também é necessário: instalar o pacote não adiciona suporte MCP a uma aplicação que não tenha o protocolo.

O pacote está atualmente marcado como Alpha em seus metadados do projeto Python. Fixar uma versão testada é apropriado para ambientes controlados, e as equipes devem revisar o histórico de alterações antes de atualizar. Transportes de rede exigem salvaguardas operacionais adicionais porque mudam a fronteira de confiança de um processo filho local para um serviço acessível.

O servidor CapSolver MCP está pronto para adoção controlada

O servidor CapSolver MCP fornece um modo padrão para tornar cinco capacidades do CapSolver disponíveis para clientes de IA compatíveis com MCP. O pacote instala-se por meio do PyPI, suporta transportes locais e de rede, mantém dependências de navegador como opcionais e expõe um caminho de configuração documentado para ferramentas de desenvolvimento MCP principais.

Comece com uma configuração local de stdio, confirme a descoberta de ferramentas e acesso à conta, e depois teste um fluxo limitado em um ambiente autorizado. Revise o código-fonte do pacote e relate problemas técnicos por meio do rastreador de problemas do projeto no GitHub.

Construa Fluxos de Automação Confiáveis com o CapSolver

Comece com a página de integração do CapSolver MCP [aqui], siga o guia do serviço MCP [aqui] e revise a implementação no repositório GitHub capsolver-mcp. Use o CapSolver apenas para automação legal, autorizada e fluxos de trabalho de dados públicos aprovados.

Perguntas Frequentes

Q: O que é o servidor CapSolver MCP?

O servidor CapSolver MCP é um pacote Python que expõe cinco capacidades do CapSolver como ferramentas por meio do Protocolo de Contexto de Modelo. Clientes de IA compatíveis podem descobrir e invocar essas ferramentas após configurar o servidor.

Q: Preciso instalar capsolver-core separadamente?
Não. O pacote publicado capsolver-mcp declara capsolver-core como uma dependência de tempo de execução, então uma instalação normal via pip o instala automaticamente. As ferramentas do navegador ainda exigem o extra opcional browser e o Chromium.

P: Quais versões do Python são suportadas?

O servidor CapSolver MCP atualmente exige Python 3.10 ou superior, e os metadados do projeto listam Python 3.10, 3.11, 3.12 e 3.13.

P: Todo ferramenta exige Playwright?

Não. Apenas detect_captchas e solve_on_page exigem suporte a navegadores. A resolução de tokens, verificação de saldo e descoberta de tipos suportados funcionam com o pacote base.

P: O servidor CapSolver MCP pode ser exposto como um serviço remoto?

Sim. O servidor suporta Eventos Enviados pelo Servidor (SSE) e HTTP com streaming, além de stdio local, mas a exposição remota requer autenticação apropriada, TLS, regras de firewall, gestão de segredos e registro de acesso.