跳至主要内容

02|讓 AI 用結構化頁面操作瀏覽器(microsoft/playwright-mcp)

讓 AI 用結構化頁面操作瀏覽器

🎯 一行簡述:Playwright 官方做的 MCP server,讓 AI 自己開網頁、點按鈕、填表、截圖。

基本資料​

項⁠目說明
出⁠自Microsoft(組織),opensource.microsoft.com
組⁠織⁠介⁠紹Microsoft 是 GitHub 上的組織帳號,開源網站為 opensource.microsoft.com。這個 repo 放在 microsoft 組織下,README 稱它是 Playwright(playwright.dev)的 MCP 介面。
動⁠機README 的說法:讓 LLM 透過結構化的無障礙快照操作網頁,不必靠截圖,也不需要為視覺調校過的模型。
目⁠的讓支援 MCP 的 AI 用戶端能自己開網頁、點擊、填表、截圖,並讀取頁面內容。
使⁠用⁠方⁠法在 MCP 用戶端加入設定 npx @playwright/mcp@latest;Claude Code 可執行 claude mcp add playwright npx @playwright/mcp@latest。裝好後 AI 會自行呼叫瀏覽器工具,沒有固定的觸發語。

它怎麼運作​

它是 MCP server:裝了之後 AI 就多了一組操作瀏覽器的工具。

AI 讀的是頁面的無障礙結構(accessibility snapshot),也就是「這裡有一個叫『送出』的按鈕」,不是看截圖猜座標,所以點得比較準,也不需要支援看圖的模型。除了點擊和輸入,也能讀 console 訊息和網路請求,方便查錯。

預設用一個會存在硬碟上的 profile,登入狀態會留著,和平常的瀏覽器一樣。加上 --isolated 參數,profile 只放在記憶體,每次都是乾淨的新瀏覽器,適合跑測試。

什麼時候用​

  • 讓 AI 跑端對端測試、驗收畫面
  • 需要每次從乾淨狀態開始,不想被自己的 cookie 影響(記得加 --isolated)

要 AI 在你已經登入的網站上做事,改用 ego-browser。想讓 AI 寫出 Playwright 測試程式,搭配 ECC 的 e2e-testing。