Extensión para automatizar el navegador y el escritorio con grabador de macros, API de JavaScript, OCR, reconocimiento de imágenes y un servidor MCP para asistentes de IA.
Alternativa open source a:UiPath
Automation Anywhere
Ui.Vision es una extensión de navegador para automatizar sitios web y aplicaciones de escritorio. Permite grabar una macro, editarla como una tabla de comandos o escribir JavaScript con la API uiv.*. Sirve para rellenar formularios, extraer datos web, descargar archivos y ejecutar flujos de trabajo repetitivos en la sesión de navegador que ya usa el usuario.
En páginas sin selectores HTML utilizables, Ui.Vision puede detectar texto en pantalla mediante OCR y localizar controles comparando imágenes. La automatización de escritorio combina el reconocimiento visual con la entrada del mouse y el teclado, y requiere los componentes de escritorio independientes de Ui.Vision (XModules). También admite comandos de Selenium IDE para macros de tipo test.
El proyecto incluye un servidor MCP, disponible mediante el paquete uivision-mcp-bridge, que conecta clientes MCP como Claude Code, Claude Desktop y Cursor con la extensión. Un agente de IA puede inspeccionar una página, crear o editar una macro, ejecutarla y revisar registros y capturas de pantalla. El repositorio también contiene el código fuente de la extensión, compilada con React y webpack para Chrome, Edge y Firefox.
Instala la extensión del navegador desde Chrome Web Store, Edge Add-ons o Firefox Add-ons
Conecta un cliente MCP (opcional) ejecutando el instalador
npx uivision-mcp-bridge --setupResumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Bibliotecas de Python y Robot Framework para la automatización robótica de procesos, con soporte para navegadores, Excel, correo electrónico, PDF, API en la nube y aplicaciones de escritorio.
Capa de ejecución de código abierto que registra una tarea una vez y la compila en un programa local que agentes o personas pueden volver a ejecutar sin llamar a modelos y que verifica cada guardado.
Herramienta RPA gratuita y de código abierto que automatiza sitios web, aplicaciones de escritorio y tareas de línea de comandos mediante flujos sencillos de TagUI.
Automatización web de código abierto que usa LLM y visión artificial para ejecutar flujos de trabajo en cualquier sitio y amplía Playwright con comandos de IA.
Registra interacciones con el navegador una vez y las reproduce como flujos de trabajo deterministas, con Browser Use AI como alternativa si falla un paso.
Servidor MCP que permite a agentes de IA navegar e inspeccionar Firefox mediante WebDriver BiDi, para la navegación agéntica y la depuración con herramientas de desarrollo.