你有没有过这种崩溃瞬间：爬虫脚本跑得好好的，网站改版挪了个按钮，一夜之间全红报错。昨天还能点的"提交"，今天就抛 NoSuchElementException——这几乎是每个玩 Web 自动化的人的宿命。知乎小红书
但 2026 年 11 月初，风向变了。11 月 3 日的 Skill 安装榜上，一个新面孔 agent-browser 单日安装 1.5 万次、累计冲到 130 万。这批新工具不约而同盯着同一个老毛病：让 AI 真的学会"点网页"，而且不再靠猜。目前看下来，路子主要有三条。小红书
第一条：别猜坐标，给元素发"工牌"。 Vercel Labs 开源的 agent-browser 正是这条路线的头部：Rust 实现、不依赖 Playwright、直接通过 CDP 控制 Chromium，核心玩法是给无障碍树快照里的每个可交互元素分配 @eN 稳定引用——Agent 只要说"点击 @e3、在 @e7 输入内容"，页面布局随便改，引用跟着元素走，不再跟着像素和类名走。它要解决的，正是截图定位的坐标漂移、CSS 选择器的脆断，以及逐像素读屏烧掉的那一大块 token。知乎
第二条：网站自己"报菜名"，Agent 照单点菜。 这是更有想象力的方向 WebMCP：网站主动把自己的能力注册成一组干净的结构化工具，供 Agent 发现并直接调用，根本不用对页面 UI 做逆向工程。比如餐厅网站把"订座"封成 `book_table`，日期、人数传进去就完事。它已在 Chrome 试用计划中跑通，接入首个工具号称十分钟左右，ChatGPT 也已支持。但要说实话：它目前只是 W3C 社区组草案，不是定稿标准，且强依赖网站方主动适配——旧网站短期内还得靠第一条路伺候。知乎
第三条：人和 AI 别再抢同一个浏览器。 用 browser-use 这类工具的老用户都懂那种憋屈：Agent 一接管，标签页被占用、登录状态传不过去。新方案开始"分家"——ego-lite 直接造了一个人机共用的 Chromium，你的日常浏览在前台，Agent 任务跑在独立的 Space 里互不打扰，Chrome 数据迁过来、登录态天然继承；腾讯开源的 BrowserSkill 则换了思路：不给 AI 开空浏览器，而是临时借你正在用的标签页、干完活再还回来。小红书小红书
那手里的老脚本怎么办？别急着扔。Selenium、Playwright 撑起来的测试基建依然稳，但如果你现在从零起一个新自动化任务——盯价、聚合、批量操作——选型顺序可以变了：要确定性接口选 Playwright 一族，要让 Agent 自主操作选 agent-browser 这类"快照+引用"方案，网站自己支持 WebMCP 就是白捡的稳。
自动化这行的尽头，是你出嘴、机器出手。这句今天听起来，比任何时候都像真话。
