AI开浏览器也分专业:三种MCP角色、五个坑,别接错

源自152位全网作者

18:05

这11月的浏览器自动化圈相当热闹:Chrome官方的chrome-devtools-mcp一个月连发4个版本,Playwright 1.64也新加了webmcp接口。两件事指向同一个变化——浏览器正在成为AI的标准工位,但怎么接、用哪个,真有名堂。知乎知乎

先说个常见场景:Coding Agent最后回你一句"测试通过",你打开浏览器一看,按钮被遮住、接口500、控制台一排红字。它没撒谎,只是它的世界止步于终端,看不见浏览器里的真实状态。现在的浏览器MCP,补的就是终端和浏览器之间这段断路。知乎

AI开浏览器也分专业:三种MCP角色、五个坑,别接错

三种MCP,三种角色,别当一个东西用

  • Playwright MCP,执行型:不看截图,读可访问性快照——页面变成结构化文本,每个元素带角色、名称和ref,点击只认uid。卖点是确定性:过期的ref会"大声失败",而不是悄悄点错元素。擅长PR冒烟、回归验证、留证据链。知乎

  • Chrome DevTools MCP,诊断型:把DevTools面板工具化,console、网络请求、性能trace、堆快照全交给Agent。一句话讲分工:DevTools MCP找"为什么",Playwright MCP管"做什么"。但边界是硬的:官方只支持Chrome,想测WebKit、Firefox跨内核,只有Playwright。知乎知乎

  • browser-use,通用代理型:不预设路径,think-act循环边走边看,适合探索结构未知的页面。代价是测试场景里DOM漂移、登录态失效、弹窗中断这些失败模式,一个都躲不掉。

AI开浏览器也分专业:三种MCP角色、五个坑,别接错

选型第一原则是按任务形态选,不按工具强弱选——有人光选MCP工具就选了一周,就是把分工混为一谈。知乎

五个坑,前人都踩过

  1. uid会串。两边都有快照、都返回uid,但语义不同:Playwright的uid指向无障碍树,DevTools的指向自家快照。把一个的ref喂给另一个,轻则报错,重则点错节点。知乎

  2. Windows上npx可能根本起不来。npx实际是npx.cmd,经cmd.exe启动会破坏stdio管道,MCP直接失败。更稳的写法是node加cli.js绝对路径,并且先手动预热一次缓存。知乎

  3. CI里不是装好就能跑。GitHub Actions上Chromium常因缺容器安全参数,在工具注册前就崩,报initialize: EOF。

  4. token账要算。同一批任务,Playwright MCP中位输入约440万token,DevTools MCP约670万,CI高频跑就是真金白银。务实姿势:Agent只做探索和取证,路径稳定后沉淀成确定性脚本。

  5. 权限边界先于功能边界。接一个能操作浏览器的MCP,等于把一个能点击、能输入、能导航的执行体放进你的浏览器会话,官方README明说它可能看到当前标签页、Cookie、登录状态和个人信息。别把日常浏览器交给Agent,用独立实例;接管型工具此前还被发现WebSocket未做token校验,同Wi-Fi的设备能连上它的端口。知乎

AI开浏览器也分专业:三种MCP角色、五个坑,别接错

至于方向,Playwright 1.64的webmcp已经透题:页面开始向Agent注册createUser、searchUsers这类结构化工具,同一个应用同时对外提供三套契约:后端接口、人类界面、代理工具。人走UI,AI走契约,测试从此在API和UI之外多出第三层。知乎

代码生成已经够快了。下一阶段真正稀缺的,是让Agent对"代码在真实浏览器里是否成立"负责。

内容由AI生成
0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章