10 个浏览器自动化控制方案横评：从 playwright-mcp 到 browser-use，到底该怎么选？

想让 AI 控制浏览器，今天已经不是一件难事。

难的是，方案太多了。

你一搜 GitHub，会同时看到 playwright-mcp、chrome-devtools-mcp、agent-browser、browser-use、stagehand 这些名字。它们看起来都和“浏览器控制”有关，但真正上手后很快会发现，很多项目不是痛一类东西。这篇文章，我把这些方案分别解释，希望能帮助你理清思路，找到适合自己的那个。

10 个方案，至少要分成 3 类

第一类是面向 Agent 的浏览器工具类。这类项目本质上都在做同一件事，就是给 Cursor、Claude Code、Codex 这类 AI 编程工具，或者更通用的 coding agent，提供浏览器自动化能力。区别不在于是不是给 Agent 用，而在于它们是通过 MCP 暴露，还是通过 CLI + skill 暴露。

第二类是内容提取层。这类项目不追求完整自动化，而是更强调复用你已经登录好的浏览器环境，把网页内容直接拿出来。

第三类是Agent 框架层。这类项目解决的问题不再是“怎么点页面”，而是“怎么让浏览器变成 AI Agent 的执行环境”。

1. 面向 Agent 的浏览器工具类

这部分是最容易被混着看的，也是我觉得最值得先讲清楚的。

CLI 和 MCP，本质上是一类问题的两种交付形态

MCP 的优势是标准化。你可以把浏览器能力注册成一个标准工具，接进支持 MCP 的客户端里，形式统一，声明也清晰。

但 MCP 的问题也很直接：它通常更重。浏览器本来就是高状态、高噪音的能力，如果再把整套工具描述一并放进上下文，会暂用较大的上下文容量，获取到的 dom 信息也太多，对 token 不够友好。

CLI 这条路，是随着模型代码能力和 shell 能力变强之后真正兴起的。模型现在已经很会写命令、拼脚本、拆步骤、串流程了，所以很多浏览器能力没必要非做成 MCP 工具。直接让 Agent 调用 CLI，往往更轻，也更省 token。

更重要的是，CLI 往往可以通过 skill 或命令分层按需加载，而不是一开始把所有能力都塞进上下文。这一点在长任务和复杂任务里非常关键。

所以如果没有特别原因，我会更建议优先考虑 agent-browser 这类 CLI 工具。

playwright-mcp

playwright-mcp 是什么？
微软出品的 Playwright MCP Server，属于现在最稳妥的 MCP 浏览器工具之一。

主要特性：

• 基于 Playwright
• 支持导航、点击、输入、截图等常见浏览器操作
• 适合接入 MCP 客户端
• 结构化能力强，比较适合让 AI 稳定调用

最适合谁：
已经明确要走 MCP 工作流的人。

最大亮点：
它最像 MCP 路线里的默认答案。

注意点：
它是工具层，不是高层 Agent 框架。如果你想一句话让它自己规划很多步，还得往上搭。

chrome-devtools-mcp

chrome-devtools-mcp 是什么？
Chrome DevTools 官方路线，比普通浏览器自动化更偏调试。

主要特性：

• 能操作页面
• 能看 console、network、performance
• 很适合调试型工作流

最适合谁：
前端开发者，或者希望让 AI 在操作网页时顺带读调试信息的人。

最大亮点：
不只是“能点页面”，而是能把 DevTools 视角一起带进来。

注意点：
如果你的需求只是普通浏览器操作，它会比 playwright-mcp 更重一点。

selenium-mcp

selenium-mcp 是什么？
把 Selenium 路线接到 MCP 上的过渡型方案。

主要特性：

• 对 Selenium / WebDriver 用户更熟悉
• 更适合已有资产迁移

最适合谁：
已经有 Selenium 体系，不想马上换栈的团队。

最大亮点：
迁移心智成本低。

注意点：
如果是新项目，这条路线的优先级并不高。

agent-browser

agent-browser 是什么？
Vercel Labs 做的浏览器控制 CLI，也是我觉得这批项目里最值得优先看的一个。基于 Rust 语言编写，性能和稳定性都不错。

主要特性：

• 基于 Playwright
• 面向 Agent 和终端工作流设计
• 支持快照、元素定位、点击、填表、截图等完整链路
• 也支持通过 CDP 方式连接用户的浏览器，更好复用登录态

最适合谁：
想让 Agent 长期、低成本、稳定地调用浏览器能力的人。

最大亮点：
它不是把浏览器功能硬塞进 CLI，而是真的把 CLI 当成 Agent 工作流的一部分来设计。

注意点：
它依然是工具层，不会替你做好任务规划。

playwright-cli

playwright-cli 是什么？
Playwright 的 CLI 形态尝试。活跃度不如 agent-browser，但也有参考价值。

主要特性：

• 包含 Playwright 功能的 CLI 版本
• 对理解这条路线怎么演化过来有帮助

注意点：
不是很推荐，官方活跃度低，今天不建议作为新项目选择。

bb-browser

bb-browser 是什么？
把 CLI 使用方式和浏览器自动化揉在一起的尝试型项目。既提供了部分 agent-browser 那样的 CLI 功能，也提供了 opencli 那样的内容提取能力。但是它的成熟度还在提升中，社区活跃度也不算高。

主要特性：

• 供了部分 agent-browser 那样的 CLI 功能
• 也提供了 opencli 那样的内容提取能力
• 更像新工具探索

注意点：
网上相关的讨论和使用案例不多，不适合直接当默认主力。

2. 内容提取类

这类项目很容易被低估。

很多人以为自己需要的是浏览器 Agent，但真实问题常常只是：
我已经在浏览器里登录了，能不能把内容直接拿出来？

opencli

opencli 是什么？
利用本地浏览器环境和登录状态，快速获取网页内容并生成结构化结果。可以理解为，针对热门网站已经定制好了一套“内容提取脚本”，你直接调用就能拿到结构有好的结果。

主要特性：

• 复用真实浏览器环境
• 对登录态友好
• 更适合“取内容”，不是“跑完整自动化流程”

最适合谁：
需要从登录后页面拿资料、拿内容、做结构化整理的人。

最大亮点：
它绕开了最烦人的一层问题：登录、Cookie、会话环境。

注意点：
如果你要的是想要自动化控制浏览器执行多步流程，它不是一个好的选择，但是可以作为一个很好的补充工具。

3. Agent 框架类

这类项目不是“补一个浏览器工具”，而是直接把浏览器放进 AI Agent 的执行链路。需要特别注意的是，这类产品都提供了官方的付费服务，要获得最佳体验，通常需要使用官方的 AI 服务。

browser-use

browser-use 是什么？
当前最火的开源浏览器 Agent 路线之一。

主要特性：

• 围绕 AI Agent 任务执行设计
• 适合快速做 Demo 和 PoC
• 社区热度很高

最适合谁：
想最快搭一个浏览器 Agent 原型的人。

最大亮点：
起步快，资料多，最容易“先跑起来”。

注意点：
如果你追求的是极强的本地可控性，它未必是最优。

stagehand

stagehand 是什么？
把代码可控性和 AI 灵活性结合起来的一层框架。

主要特性：

• 支持代码和自然语言结合
• 适合把 AI 步骤嵌进现有自动化流程
• 更偏长期维护和生产可用性

最适合谁：
想保留工程控制力，又希望利用 AI 提升效率的团队。

最大亮点：
不是把所有事情都交给模型，而是允许你决定边界。

注意点：
它更像框架，不是开箱即用的一把梭工具。

HyperAgent

HyperAgent 是什么？
更偏平台化和产品化思路的浏览器 Agent 方案。

主要特性：

• 提供更高层的 AI action / extract 接口
• 本地能力和云能力结合更紧
• 很明显在往平台方向走

最适合谁：
准备做产品，而不只是写脚本的人。

最大亮点：
API 设计很面向 Agent 产品。

注意点：
更强体验通常会依赖它背后的官方服务。

怎么选，一张表先看懂

最后的选型建议

如果你只是想给 Agent 配一个浏览器能力，我的建议很直接：

优先看 CLI，再看 MCP。

所以如果你没有被 MCP 工作流强绑定，默认优先看 agent-browser。

如果你已经深度依赖 MCP 客户端，或者就是想走标准 MCP 路线，那么 playwright-mcp 依然是最稳妥的选择。
如果你还想顺带拿到 console、network、performance 这些调试能力，就看 chrome-devtools-mcp。

如果你要解决的是登录后页面内容提取，而不是完整自动化，别把问题搞重，先看 opencli。
如果你要做的是浏览器 Agent 原型，先看 browser-use。
如果你要做长期维护、边界更清晰的生产工作流，优先看 stagehand。

项目网址：

• https://github.com/microsoft/playwright-mcp
• https://github.com/ChromeDevTools/chrome-devtools-mcp
• https://github.com/pshivapr/selenium-mcp
• https://github.com/vercel-labs/agent-browser
• https://github.com/microsoft/playwright-cli
• https://github.com/epiral/bb-browser
• https://github.com/jackwener/opencli
• https://github.com/browser-use/browser-use
• https://github.com/browserbase/stagehand
• https://github.com/hyperbrowserai/HyperAgent

---

真诚邀请您走进我的知识小宇宙，关注我个人的公众号，在这里，我将不时为您献上独家原创且极具价值的技术内容分享。每一次推送，都倾注了我对技术领域的独特见解与实战心得，旨在与您共享成长过程中的每一份收获和感悟。您的关注和支持，是我持续提供优质内容的最大动力，让我们在学习的道路上并肩同行，共同进步，一起书写精彩的成长篇章!

---