MCP 服务

通过模型上下文协议向 AI 代理公开 CapSolver 的求解能力。任何指向此服务的 MCP 客户端都会获得五个解决工具 - 无需粘合代码。

1. 概述

模型上下文协议 (MCP) 是一种开放协议，可让 AI 客户端发现并调用外部工具。您将功能打包为 MCP 服务，任何兼容的客户端都可以在连接时直接使用其工具，而无需编写每个客户端的适配器代码。

capsolver-mcp 正是这样一种服务：它将 capsolver-core 的求解能力包装为标准 MCP 工具。启动后，支持 MCP 的客户端（Claude Desktop、Claude Code、Cursor、Cline 等）会自动发现这些工具，并可以直接在对话中调用它们来检测、解决和填写 — 清除验证码。

这条路线最适合两类人：想要在他们已经使用的人工智能客户端中即插即用解决问题的用户，而无需编写一行集成代码；以及希望通过一个统一协议为团队的众多客户提供解决能力的开发人员。

2.安装

capsolver-mcp 构建在 capsolver-core 之上 — 核心执行实际求解，而 mcp 仅通过 MCP 协议公开其功能 — 因此它在运行时依赖于 capsolver-core。您不能单独安装 mcp：首先从 GitHub 安装 core，然后再安装 mcp：

# 1) Install the core engine first (mcp depends on it)
pip install git+https://github.com/capsolver-ai/capsolver-core.git
 
# 2) Then install mcp itself
pip install git+https://github.com/capsolver-ai/capsolver-mcp.git

浏览器工具 ( detect / solve_on_page ) 也需要 Playwright — 将步骤 2 替换为 [browser] 额外内容并安装 Chromium：

pip install "capsolver-mcp[browser] @ git+https://github.com/capsolver-ai/capsolver-mcp.git"
playwright install chromium

3. 工具

启动后，该服务会向客户端通告以下五个工具：

工具	浏览器？	描述
`solve_captcha`	没有	通过类型+站点参数解决（Token模式）
`detect_captchas`	是的	扫描页面 URL 并列出存在的验证码类型
`solve_on_page`	是的	检测+解决+填写页面上的每个验证码
`get_balance`	没有	查询账户余额及套餐
`get_supported_captchas`	没有	列出所有支持的验证码类型和处理程序

浏览器工具（ detect_captchas 、 solve_on_page ）需要 [browser] extra 和 Chromium — 只需按照上面的浏览器说明进行安装即可。

4. 启动服务

4.1 命令行

# stdio (default — for local MCP clients such as Claude Desktop)
capsolver-mcp
 
# SSE (for remote / HTTP access)
capsolver-mcp --transport sse --host 0.0.0.0 --port 8000
 
# Streamable HTTP (MCP 2025-03-26 spec)
capsolver-mcp --transport streamable-http --host 0.0.0.0 --port 8000

命令行选项：

capsolver-mcp [OPTIONS]
  --transport {stdio,sse,streamable-http}   Transport protocol (default: stdio)
  --host HOST                 Bind host for SSE/HTTP transport (default: 127.0.0.1)
  --port PORT                 Bind port for SSE/HTTP transport (default: 8000)
  --api-key KEY               API key (falls back to the CAPSOLVER_API_KEY env var)
  --name NAME                 Service name (default: capsolver)

4.2 MCP配置

MCP 客户端通过 JSON 配置块加载此服务。最常见的是 stdio 方法：客户端使用您提供的命令将服务作为子进程启动。直接将 command 设置为捆绑的 capsolver-mcp：

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

如果客户端报告找不到 capsolver-mcp（当安装在不在客户端 PATH 上的 conda / venv 环境中时很常见），请将 command 指向该环境的 Python 并通过模块启动：

{
  "mcpServers": {
    "capsolver": {
      "command": "/abs/path/to/venv/bin/python",
      "args": ["-m", "capsolver_mcp"],
      "env": {
        "CAPSOLVER_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

5. 客户端设置和工具演示

大多数 MCP 客户端与第 4.2 节中的配置块连接。以下是 VS Code 的具体步骤、一些工具演示以及与其他客户端的差异。

5.1 VS Code（克劳德插件）

创建一个新的 mcp.json 。
在 mcpServers 下添加相应配置。
重新加载 VS 代码。重新加载后，CapSolver 的五个工具出现在工具列表中。

5.2 工具演示

只需使用自然语言让客户端调用工具即可。以下是三种典型用途及其预期结果：

检查余额 — “使用 capsolver 检查我的账户余额。”客户端调用 get_balance 并返回余额和包裹。

令牌模式解决 — 提供类型、URL 和站点密钥：“为我解决此 reCAPTCHA v2。”客户端调用 solve_captcha 并返回一个令牌。

整页，一次 — “检测并解决此页面上的每个验证码：<URL>。”客户端调用solve_on_page进行检测+解决+补回。

5.3 其他客户端

相同的 command + env 配置适用于其他 stdio MCP 客户端。这里以光标为例：

注意： Cursor 连接到 capsolver-mcp 的前提是两个软件包都已安装：

# 1）先安装核心引擎（mcp依赖它）
pip 安装 git+ https://github.com/capsolver-ai/capsolver-core.git
# 2) 然后安装 mcp 本身
pip 安装 git+ https://github.com/capsolver-ai/capsolver-mcp.git

Agent 工具为什么选择CapSolver？