Microsoft Playwright MCP：3.2 万星的浏览器自动化 MCP 服务器，AI Agent 的网页操作之眼

让 AI Agent 操作网页一直是个难题。基于截图的方案需要视觉模型， token 消耗大且操作不精确；传统的 DOM 操作又太底层，Agent 很难理解页面结构。

Playwright MCP（github.com/microsoft/playwright-mcp）是微软官方推出的 Model Context Protocol 服务器，将 Playwright 的浏览器自动化能力标准化为 MCP 工具接口。Agent 通过可访问性树（accessibility tree）理解页面，而不是依赖截图或像素坐标——这意味着不需要视觉模型就能完成精确的网页交互。项目已有 31,775 星标，Apache-2.0 许可。

核心能力

Playwright MCP 的设计哲学很明确：结构化数据优于视觉猜测。

• 基于可访问性树：页面结构以结构化 JSON 形式传递给 Agent，每个可交互元素都有唯一标识。Agent 不需要”看”截图来猜按钮在哪里
• 确定性操作：通过元素引用而非坐标点击，避免了截图方案中常见的偏移和误触
• 轻量高效：不需要加载大型视觉模型，token 消耗大幅降低
• 多客户端支持：VS Code、Cursor、Windsurf、Claude Desktop、Goose、Junie 等 MCP 客户端均可接入

与 CLI 方案的取舍

微软在 README 中坦诚地对比了 MCP 和 CLI 两种方案的适用场景：

• CLI + SKILLs：适合高吞吐量的编码 Agent，通过精简命令避免加载大量工具描述和可访问性树，在有限上下文窗口内平衡浏览器自动化与代码推理
• MCP 服务器：适合需要持久状态、丰富页面探查和迭代推理的场景，如探索性自动化、自愈测试或长时间运行的自主工作流

简而言之：如果你的 Agent 需要快速执行少量网页操作，CLI 更省 token；如果需要持续与复杂网页交互，MCP 提供的持久上下文更有价值。

快速上手

# 在 MCP 客户端配置中添加（以 Cursor/Claude 为例）
{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

# 或在 Claude Code 中直接运行
claude mcp add playwright -- npx @playwright/mcp@latest

# 需要 Node.js 18+

配置完成后，Agent 即可获得 browser_navigate、browser_click、browser_snapshot 等工具，直接在你的对话中操作浏览器。

支持的工具

Playwright MCP 提供包括页面导航、点击、输入、截图、可访问性快照获取在内的完整浏览器操作集。结合 Agent 的推理能力，可以完成表单填写、数据抓取、流程测试等任务。

观察点

项目由微软 Playwright 团队直接维护，最近完成了仓库扁平化为单包布局的架构调整，版本已迭代至 0.0.71。与微软同期推出的 Playwright CLI + SKILLS 形成互补——MCP 面向持续交互场景，CLI 面向高效单次调用场景。如果你的 Agent 工作流涉及浏览器操作，这两个项目值得一起评估。

来源

• microsoft/playwright-mcp GitHub
• Playwright CLI + SKILLS
• Model Context Protocol 规范