playwright-mcp：能够使大语言模型直接操控浏览器完成复杂任务

laywright-MCP是什么？

laywright-MCP 是一个结合了 Playwright 的跨浏览器能力和模型上下文协议（MCP）的开源工具，它能够使大语言模型（LLM）能够直接操控浏览器完成复杂任务，核心是让LLM通过结构化的可访问性快照与网页交互，而无需依赖屏幕截图或视觉模型，可以用来自动填写网页表单、自动收集网页信息、自动进行网页测试等

laywright-MCP功能特点

浏览器自动化：支持打开网页、点击元素、填写表单、截屏、执行 JavaScript 等操作。

结构化数据交互：基于 Playwright 的可访问性树生成结构化数据，无需视觉模型，适合基于文本的 LLM。

两种模式：提供默认的“快照模式”（Snapshot Mode）和“视觉模式”（Vision Mode），后者可通过截图实现视觉交互。

无头模式支持：可以在后台运行浏览器，不显示界面。

快速轻量：基于 Playwright 的轻量级架构，响应速度快。

laywright-MCP使用场景

自动化测试：创建 ai 驱动的测试场景，模拟真实用户行为。

数据提取：从复杂结构的网站中提取特定数据。

智能 Web 代理：构建能够自动执行复杂任务的代理，如预订旅行、比较价格等。

API 测试：支持发送 HTTP 请求并检查响应内容。

网页导航和表单填写

从结构化内容中提取数据

代理的通用浏览器交互

laywright-MCP安装与配置

1. 安装：通过 npm 全局安装 Playwright-MCP 服务器：

npminstall-g@executeautomation/playwright-mcp-server

2. 配置：在 Claude Desktop 或其他支持 MCP 的客户端中配置 Playwright-MCP：

{"mcpServers":{"playwright":{"command":"npx","args":["-y","@executeautomation/playwright-mcp-server"]}}}

laywright-MCP优势

降低门槛：允许用户通过自然语言指令控制浏览器操作，无需编写复杂代码。

高效性：基于结构化数据的交互方式比传统基于视觉的方法更高效。

灵活性：支持实时生成指令，适应动态变化的页面。

github项目：https://github.com/microsoft/playwright-mcp