GitHub 上贼牛逼浏览器自动化 MCP，已有 2 万人点赞。

最近谷歌也推出了一个叫做 Chrome DevTools MCP， 也是让 AI 控制浏览器，改天研究一下和 playwright 比哪个好。

如何安装

你可以在 Claude Code、CodeX 或者其它 MCP 客户端里面直接使用，下面是安装配置命令：

其实有一个更简单安装、配置方法，比如是使用 Claude Code，你直接说：帮我安装并配置 playwright MCP 就行，它会自己帮你下载、安装、配置。

你只需要输入 /mcp 命令看看他有没有装好就行了。

啥原理？

经常看逛逛的读者应该清楚，早期让 AI 操作浏览器的方法是：

这个方案最大的问题是耗资源、速度慢、不精确、调用视觉 API 昂贵。

但这个项目是直接通过结构化 Accessibility Tree 让 AI 看懂网页的，速度更快、精度更高。

最重要的是搞清楚 Playwright 和 Accessibility Tree 是啥，你就明白这里面的原理了。

① 首先解释什么是 Playwright？

其实是微软开发的一个强大的浏览器自动化库，支持 Chromium、Firefox和 WebKit（Safari）三大引擎。

它比传统的 Selenium 等工具更现代、更强大、更可靠，也就是下面这个接近 8 万人 Star 的项目。

开源地址：https://github.com/microsoft/playwright

通过这玩意可以启动、关闭浏览器实例，管理多个标签页，设置视口大小、模拟设备等。

拦截和记录网络请求、管理 Cookie、处理 JavaScript 对话框、执行自定义 JS 脚本等。

同时还提供了极其丰富的 API 来模拟一切用户行为：点击、输入、拖拽、按键、导航等。

Playwright MCP 就是将这些 API 封装成了 AI 可以调用的工具。

② 什么是 Accessibility Tree？

这个玩意儿是开源项目的灵魂，也是最巧妙的部分，解决了 AI 如何看见并理解网页的问题。

Accessibility Tree 是浏览器在渲染网页时，根据 DOM 树生成的一种专门用于辅助技术（如屏幕阅读器、盲文显示器等）理解和导航页面内容的中间表示结构。

你可以把它理解为 DOM 树的一个「特殊版本」或「语义化副本」，它过滤掉了纯粹用于视觉呈现的信息，提取并补充了辅助技术所需的语义信息。

它包含了每个元素的角色（role）、名称（name）、状态（state）、值（value）以及层级关系。

例如：<button aria-label="Submit"> 会被表示为 {role: 'button', name: 'Submit'}。

③ AI 如何处理的？

AI 接收到的是类似这种纯文本的结构化信息，而不是一张图片。这极大地减少了数据处理量。

AI 基于其强大的自然语言理解能力，分析这个语义结构化信息。

它会看到「这里有一个叫做 Submit 的按钮」、「那里有一个输入框」，其标签是 Username’ 。

AI 会根据用户指令，如帮我把商品加入购物车决定下一步操作，点击那个 Add to Cart 的按钮。

总结一下

你可以把 Playwright MCP 想象成一个人类操作员和一位盲人专家组成的完美团队：

Playwright 是那位操作员：他眼睛看得见，手很灵活，能精确地操作电脑浏览器，但他自己不懂业务逻辑。

Accessibility Tree 是操作员向专家汇报的文字报告：操作员不截图，而是口头汇报：“屏幕左上角有一个搜索按钮，中间有一个输入框，写着请输入关键词...”。

AI 大模型是那位盲人专家：他虽然看不见屏幕，但理解能力极好，能根据详细的文字报告完全理解屏幕状态，并做出决策：“好，请你在那个输入框里输入 Playwright MCP，然后点击搜索按钮。”

这种基于语义而非视觉的原理，使得 Playwright MCP 实现了高效、精准、低成本且对 AI 友好的浏览器自动化，这才是它真正革命性的地方。

开源地址：https://github.com/microsoft