CapSolver MCP 服务器现已可用，面向AI代理

简要说明

• CapSolver MCP 服务器现已在 PyPI 上作为 capsolver-mcp 发布。 版本 0.1.1 支持 Python 3.10 或更高版本，并自动安装 capsolver-core 作为运行时依赖项。
• 该服务器为兼容 MCP 的 AI 客户端提供了五个 CapSolver 工具。 它们涵盖令牌模式求解、验证码检测、基于浏览器的求解和回填、账户余额检查以及支持类型发现。
• 默认的 stdio 传输适用于本地 MCP 客户端。 SSE 和可流式传输的 HTTP 传输也适用于需要网络端点的部署。
• 浏览器工具是可选的。 仅在工作流需要页面检测或浏览器内结果回填时，安装 browser 附加组件和 Chromium。
• CapSolver MCP 服务器专为授权自动化设计。 技术访问权限不意味着可以自动化私人、受限或未经授权的系统。

CapSolver MCP 服务器将验证码处理引入 AI 代理

AI 代理可以规划任务、操作浏览器并调用外部工具，但验证检查点可能会中断原本有效的自动化流程。CapSolver MCP 服务器为兼容的 AI 客户端提供了一个标准工具接口，用于在授权工作流中处理支持的验证码挑战。更广泛的 CapSolver Agent Automation 平台 将相同的基础设施连接到代理框架、浏览器工具和直接 SDK 集成。

该包连接 CapSolver 到 Model Context Protocol，这是一个开放协议，AI 应用程序通过该协议发现和调用外部功能。团队无需为每个兼容客户端实现单独的胶水代码，而是可以配置一个 MCP 服务器，并通过协议公开相同的 CapSolver 工具集。

首次公开发布为版本 0.1.0。版本 0.1.1 现已发布，包含更新的发布和干净安装文档。该包支持 Python 3.10 到 3.13，并在 MIT 许可证下发布。

MCP 发布版的更新内容

MCP 发布版将 CapSolver 功能转换为五个命名工具，AI 客户端在连接到服务器后可以发现这些工具。模型可以根据任务选择工具，而 CapSolver MCP 服务器处理相应的 SDK 操作。

CapSolver MCP 服务器在工具层下使用 capsolver-core。正常的 pip install capsolver-mcp 命令会自动安装所需的 Core 包，因此用户无需单独安装依赖项。可选的浏览器附加组件为 detect_captchas 和 solve_on_page 添加了 Playwright 支持。

服务器还提供三种传输选择。Stdio 是本地客户端的默认选项，该客户端将服务器作为子进程启动。SSE 和可流式传输的 HTTP 可以绑定到配置的主机和端口，适用于 MCP 客户端通过网络边界连接的部署。

谁应该使用 CapSolver MCP 服务器

CapSolver MCP 服务器最适合已经使用 MCP 兼容 AI 应用程序并希望进行配置优先集成的团队。MCP 路径避免了在代理发现 CapSolver 工具之前编写框架特定的包装器。

常见的适用场景包括授权的 QA 流程、允许的 RPA、内部监控以及代理可能遇到支持验证步骤的批准公共数据工作流。团队还可以在满足其自身身份验证、网络和访问控制要求的前提下，将共享网络服务暴露给多个兼容客户端。

CapSolver 为需要更多控制的开发人员提供了两种其他集成层。capsolver-agent 为自定义代理循环和受支持框架集成提供框架无关的代理工具模式和执行器。capsolver-core 提供底层 Python SDK，无需 LLM 即可直接调用 API 和浏览器自动化。CapSolver AI 集成概述 说明了何时选择 MCP、代理工具或 Core SDK，而 CapSolver AI GitHub 组织 包含公共包和集成示例。

领取您的 CapSolver 奖励代码

立即提升您的自动化预算！
在充值 CapSolver 账户时使用奖励代码 CAP26，每次充值可获得 5% 的额外奖励 —— 无限制。
现在在您的 CapSolver 仪表板 中领取

经验证的安装路径

最短的安装路径使用 Python 3.10 或更高版本以及 PyPI 上发布的包。以下命令已在干净的 Python 3.12 环境中验证，版本为 0.1.1：

python -m pip install capsolver-mcp==0.1.1

干净的安装自动拉取 capsolver-core 并安装 capsolver-mcp 命令。运行帮助命令确认了文档中记录的 stdio、SSE 和可流式传输的 HTTP 传输选项：

capsolver-mcp --help

对于基于浏览器的检测和回填，安装可选附加组件和 Chromium 运行时：

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

浏览器附加组件不需要用于 solve_captcha、get_balance 或 get_supported_captchas。保持浏览器依赖项为可选可使基于令牌的工作流的安装更小。

在启动服务器之前，创建 CapSolver 账户并将凭证存储在 CAPSOLVER_API_KEY 环境变量中。API 密钥 是凭证，应避免出现在源代码、截图、问题报告和公共配置文件中。

export CAPSOLVER_API_KEY="your-capsolver-api-key"
capsolver-mcp

服务器默认以 stdio 模式启动。终端可能会看起来被占用，因为进程正在等待 MCP 客户端通过标准输入和输出交换协议消息。

配置 MCP 客户端

MCP 客户端需要服务器命令和 API 密钥环境变量。以下配置遵循 CapSolver 为本地 stdio 客户端记录的结构：

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

将该块保存在所选客户端所需的路径中，重启客户端并检查其可用工具。成功连接后，应显示五个 CapSolver 工具。然后您可以要求客户端使用 get_supported_captchas 或 get_balance 作为低影响的配置检查，然后再测试求解工作流。

如果客户端找不到 capsolver-mcp，其进程可能未继承安装包的 shell 环境。一个选项是使用 uvx，该项目的详细客户端指南支持：

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

另一个选项是将 command 指向环境中的绝对 Python 路径并使用 "args": ["-m", "capsolver_mcp"]。CapSolver MCP 客户端配置指南 包含 Claude Desktop、Claude Code、Cursor、Windsurf、Cline 和远程 HTTP 设置的客户端特定路径和示例。

选择正确的传输方式

传输方式应与 MCP 客户端和服务器的运行位置相匹配。本地桌面工具通常应从 stdio 开始，因为客户端拥有服务器进程且不需要监听网络端口。

当服务器作为单独管理的服务运行且客户端支持 HTTP MCP 端点时，Streamable HTTP 是合适的选择。SSE 仍可用于需要它的客户端或现有部署。服务器为两种网络模式提供主机和端口标志：

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

绑定到 127.0.0.1 会将端点限制在本地机器。绑定到 0.0.0.0 会使端点通过可用网络接口访问，因此需要明确的身份验证、防火墙、代理、TLS、密钥管理和日志记录控制。不要将包含 API 密钥的服务器直接暴露在公共互联网上。

设置后应验证的内容

成功的安装本身并不能确认客户端、环境、账户和可选浏览器运行时是否正确连接。分阶段验证集成：

1. 确认客户端报告 CapSolver MCP 服务器已连接。
2. 确认所有五个预期的工具名称可见。
3. 调用 get_supported_captchas 以在不打开浏览器的情况下检查工具执行。
4. 调用 get_balance 以确认 API 密钥对服务器可用。
5. 仅在您拥有或明确授权自动化的站点或系统上进行求解测试。
6. 在测试 detect_captchas 或 solve_on_page 之前，单独安装浏览器附加组件。

官方 MCP 服务文档 包含当前的工具描述、命令行标志、配置格式和浏览器要求。公开的 CapSolver MCP 仓库 包含源代码、变更历史、开发命令、问题跟踪器和 MIT 许可证。PyPI 包页面 是发布包文件和版本可用性的来源。

探索 CapSolver 代理自动化集成

CapSolver MCP 服务器是更广泛的代理自动化堆栈的一个入口。选择与工作流中已使用的框架或浏览器运行时匹配的集成页面：

集成页面提供产品级指导，而 capsolver-mcp、capsolver-agent 和 capsolver-core 仓库提供可安装的包、源代码、示例和问题跟踪。

限制与负责任的使用

CapSolver MCP 服务器提供工具；它不决定自动化任务是否授权。用户仍需负责适用的法律、网站条款、账户权限、数据处理要求和组织政策。

基于浏览器的操作需要 Playwright 和 Chromium 安装，而令牌模式工具不操作浏览器。还需要兼容的 MCP 客户端：安装包不会向缺乏协议的应用程序添加 MCP 支持。

该包目前在其 Python 项目元数据中标记为 Alpha。在受控环境中，固定经过测试的版本是合适的，团队在升级前应查看变更日志。网络传输需要额外的操作保障，因为它们将信任边界从本地子进程更改为可访问的服务。

CapSolver MCP 服务器已准备好进行受控采用

CapSolver MCP 服务器为兼容 MCP 的 AI 客户端提供了一种标准方式，以访问五个 CapSolver 功能。该包通过 PyPI 安装，支持本地和网络传输，保持浏览器依赖项为可选，并为主要 MCP 开发工具提供经过记录的配置路径。

从本地 stdio 配置开始，确认工具发现和账户访问，然后在授权环境中测试一个有限的工作流。查看包源代码并通过项目的 GitHub 问题跟踪器报告技术问题。

使用 CapSolver 构建可靠的自动化工作流

从 CapSolver MCP 集成页面 开始，按照 MCP 服务指南 进行操作，并在 capsolver-mcp GitHub 仓库 中查看实现。仅在合法、授权的自动化和批准的公共数据工作流中使用 CapSolver。

常见问题

Q: 什么是 CapSolver MCP 服务器？

CapSolver MCP 服务器是一个 Python 包，通过 Model Context Protocol 将五个 CapSolver 功能作为工具暴露出来。配置服务器后，兼容的 AI 客户端可以发现并调用这些工具。

Q: 我需要单独安装 capsolver-core 吗？
不。发布的 capsolver-mcp 包将 capsolver-core 声明为运行时依赖，因此正常 pip 安装会自动安装它。浏览器工具仍需要可选的 browser 附加和 Chromium。

Q: 支持哪些 Python 版本？

CapSolver MCP 服务器目前需要 Python 3.10 或更高版本，项目元数据列出了 Python 3.10、3.11、3.12 和 3.13。

Q: 每个工具都需要 Playwright 吗？

不。只有 detect_captchas 和 solve_on_page 需要浏览器支持。令牌解决、余额检查和支持的类型发现都可以使用基础包完成。

Q: CapSolver MCP 服务器可以作为远程服务公开吗？

是的。除了本地 stdio，服务器还支持 SSE 和可流式传输的 HTTP，但公开远程服务需要适当的认证、TLS、防火墙规则、密钥管理和访问日志。