文章目录前言一、传统派六个老伙计1.1 Playwright微软家的顶梁柱1.2 Selenium测试界的活化石1.3 PuppeteerChrome 亲儿子1.4 Cypress跑在浏览器里的测试框架1.5 WebdriverIO一套框架管三端1.6 TestCafe不用装驱动二、给 Coding Agent 配手CLI 和 MCP2.1 BrowserSkill把已登录的浏览器借给 Agent2.2 BrowserAct专门对付风控和验证码2.3 Playwright MCP微软官方出品2.4 Playwright CLI微软新发的省 token 神器2.5 Browser MCP装个扩展就能用三、写代码调用AI 自动化框架3.1 Stagehand写进代码里的浏览器 Agent3.2 browser-usestar 最高的那个3.3 Skyvern不看 DOM 看截图3.4 Midscene.js字节出品的 AI 测试工具3.5 Nova Act亚马逊的官方 SDK3.6 Notte压缩 DOM 省上下文四、把浏览器搬上云端4.1 Browserbase万级并发的云浏览器4.2 Steel能自托管的浏览器云4.3 Hyperbrowser给 Agent 的现成浏览器这么多工具到底怎么挑最后说句泼冷水的P.S. 无意间发现了一个巨牛的人工智能教程非常通俗易懂对AI感兴趣的朋友强烈推荐去看看 传送门https://blog.csdn.net/qq_34419312前言这两年想给 Web 自动化挑个工具难度不亚于给我妈挑手机。以前好办翻来覆去就 Selenium 和 Playwright 两派闭眼选一个跟豆腐脑选甜咸似的错了也就错一天。现在你再打开任何一份工具清单一半以上是带 AI 的新面孔腾讯、微软、亚马逊全往里挤开源仓库的 star 涨得比我体重还快——腾讯 6 月放出来的 BrowserSkill三个月冲到七千多 star我查了查日历这速度比我当年追剧还猛。其实变化最大的是 Coding Agent 出来之后玩法整个变了。以前的框架是给人写脚本的每点一下、每敲一个字都得自己写成代码选择器一写死页面改个版脚本当场殉职。现在的工具反过来了你一句人话模型自己看页面、自己找按钮文案改了它都不带眨眼的。浏览器自动化这行从写代码变成了下指令从自己做饭变成了点外卖。今天把这 20 款工具分成四类唠一唠。排名不分先后想到哪写到哪跟吃席一样坐哪桌都行。一、传统派六个老伙计这一组就是测试界的基本盘后面三类里一半以上的工具都是踩着它们肩膀起来的。browser-use 包着 PlaywrightNotte 用的是 Playwright 的分支Stagehand 直接建在 Playwright 上。Playwright 这哥们属实是工具界的底层打工人哪哪都有它。1.1 Playwright微软家的顶梁柱整张清单里被依赖最多的没有之一。微软出品截止目前 96,651 个 star三大浏览器引擎全支持。自动等待、失败回放、脚本录制这些测试刚需全内置写起来快挂了好查。现在的 Playwright 已经不是单一框架了是一套全家桶官方自己分成五块Playwright Library最底层写脚本、爬数据直接调它Playwright Test在 Library 之上加测试框架跑用例、出报告是它管Playwright MCP让 Cursor、Claude 这类客户端用自然语言指挥浏览器Playwright CLI给 Claude Code、Copilot 这类终端 agent 命令行调用省 tokenVS Code 扩展装进编辑器写用例、调试、跑测试一站完成写测试选 Test写脚本选 Library给 agent 配手就用 MCP 或 CLI。这就跟点菜一样一个馆子五种吃法别走错门。1.2 Selenium测试界的活化石W3C WebDriver 标准就是从它这套体系来的。语言支持最全Java、Python、C#、Ruby 全是一等公民。强项是兼容和存量配合 Grid 能把用例分发到几十台机器、几十种浏览器版本上并行跑。会它的人也最多教程、问答、现成方案堆成山团队换人接手成本最低。老项目离不开它就像我离不开我妈的唠叨——烦但有用而且你还不能换。1.3 PuppeteerChrome 亲儿子Chrome DevTools 团队官方出品95,618 个 star最早把 CDP 底层协议用起来的就是它。强项是轻和快一个浏览器实例能开几十上百个页面内存占用小一台机器并发跑上千个页面不难。爬虫、网页截图、生成 PDF 这些活用它最多但在测试圈出镜率反而一般——有点像那种学霸成绩是真的好但没人请他上综艺。1.4 Cypress跑在浏览器里的测试框架测试代码直接跑在浏览器里报错时每个时间点的页面快照都能回放排错像放录像。前端工程师写它最顺手代码一保存测试自动重跑接口可以随便 stub填个假响应就绕开后端。要说短板跨域访问和多标签页是它的软肋——像游泳健将不会跳水单项很顶全能就露怯。1.5 WebdriverIO一套框架管三端Web、手机 App、桌面应用全覆盖端多的团队用它省掉几套技术栈。用例能按设备、按浏览器分组一次配置几十种环境批量跑失败截图、测试报告、接进持续集成的路子都是现成的。人少端多的团队维护成本压到最低属于闷声干大事的类型。1.6 TestCafe不用装驱动不用装任何浏览器驱动任意浏览器、远程机器、手机真机都能直接跑环境配置全省。内置自动等待DevExpress 维护。一条命令还能同时开几个浏览器并发跑同一批用例跨浏览器回归一次完成。怕折腾环境的人会喜欢它——说的就是当年装 Selenium 驱动装到怀疑人生的我。二、给 Coding Agent 配手CLI 和 MCP这一组可以直接装在 Claude Code、Codex、Cursor 身上让 agent 替你操作浏览器。接法分两种CLI 是命令行调用MCP 是挂进客户端的常驻服务。一个省 token一个上手快相当于一个大锅饭一个小灶。2.1 BrowserSkill把已登录的浏览器借给 Agent今年 6 月才开源三个月冲到 7,168 个 star腾讯出品MIT 协议。它解决的是登录这道坎agent 不用再开一个干净的无头浏览器去硬闯扫码和滑块直接借用你日常在用的 Chrome登录态、cookie 全现成人登录过的系统它抬手就进。验证码、扫码、风控这些 agent 搞不定的环节你自己登录一遍剩下的交给它。公众号后台、企业内网这些没有开放 API 的地方特别合适。这就跟找人办事一样最难的那步你自己跑了剩下的都好说。2.2 BrowserAct专门对付风控和验证码专攻反爬封锁这一段CLI 是商业产品配套 Skill 仓库开源2026 年 2 月建仓七个月 6,007 个 star。任务卡住可以暂停转人工人处理完接着跑长任务不用人盯着。多任务并行、多账号会话隔离采集和批量操作的重活扛得住还提供 n8n 工作流组件。要常跑外站采集、总被风控纠缠的团队重点看它。2.3 Playwright MCP微软官方出品Cursor、Claude 这类客户端接浏览器的默认选择一年半涨到 37,554 个 star。页面信息用无障碍树喂给模型比截图省也稳元素有角色有名字点哪个填哪个说得清误操作比看图少。装好就能用一句自然语言指挥浏览器。探索页面、调试流程、批量改数据这类活最合适属于开口就能干活的类型。2.4 Playwright CLI微软新发的省 token 神器官方定位说得很清楚MCP 要往上下文里塞工具清单和无障碍树太烧 tokenCLI 模式直接命令行调用同样的活花得更少。常用操作都做成了短命令开页面、点按钮、填表单、读内容agent 一步一步调每步只带回需要的结果。MCP 和 CLI 怎么选一句话随手用、要人机来回确认选 MCP长任务、固定流程、token 预算紧选 CLI。这跟打车一个道理临时出门叫网约车天天通勤就办月卡。2.5 Browser MCP装个扩展就能用门槛最低的一个Chrome 装个扩展就能用操作的就是你日常那个浏览器书签、登录态全在从安装到能用不超过十分钟。深度能力别指望。但得说句实话从 2025 年 4 月后项目没再更新了——属于那种有前途但没后劲的类型。想先体验一下 agent 开浏览器、再决定要不要上重型方案它是最合适的起点。三、写代码调用AI 自动化框架这一组要写代码把 AI 的自然语言和视觉能力嵌进自动化工程TypeScript、Python 都有适合要长期维护这套东西的团队。看到这里程序员们终于放心了还是熟悉的味道。3.1 Stagehand写进代码里的浏览器 Agent把 agent 能力做成 act、extract、observe 几个原语嵌进 TypeScript 代码写代码的人保留主控权底层用 PlaywrightMIT 协议。你写点击登录按钮文案从「登录」改成「立即登录」它照样点得中extract 抽数据也是一句话说清要什么字段页面结构变了不用重写选择器。代码本身是普通 TypeScript版本管理、代码审查、持续集成照常用。AI 的灵活和工程的稳定一起要——这配置跟既要又要还要的甲方不谋而合。3.2 browser-usestar 最高的那个这批工具里 star 最高的一个11.6 万2024 年 10 月由 Gregor Müller 和 Magnus Žunič 两个人发起。Python 库几行代码起一个自然语言 agent你下指令它自己拆成点击和输入。模型不挑OpenAI、Claude、开源模型都能接自带视觉能力。生态也热闹命令行工具、云服务、LangChain 集成都有现成的踩了坑基本都能搜到答案。做 agent 原型第一个试它属于测试界的大众点评——人多评价多踩坑都有人给你垫着。frombrowser_useimportAgentimportasyncioasyncdefmain():# 一句话剩下的它自己干agentAgent(task打开豆瓣电影找到评分最高的电影并截图)awaitagent.run()asyncio.run(main())3.3 Skyvern不看 DOM 看截图别的工具读 DOM它直接看截图交给视觉模型页面再乱、内容画在 canvas 里也不影响不依赖选择器特别适合没人维护的内部老系统定位偏 RPA。每一步操作和截图都记下来任务跑完能完整回放卡在哪一步一眼看到人工审核有据可查。注意 AGPL 协议商用要掂量——开源的快乐和商用的烦恼它一套给全。3.4 Midscene.js字节出品的 AI 测试工具字节 Web Infra 团队出品中文文档齐全国内团队上手成本最低。特色是按测试思路设计YAML 写用例、自然语言写断言跑完有可视化报告AI 每一步点了哪里、为什么这么判断都能回放。除了写代码还提供浏览器扩展装上就能在页面上直接下指令体验不用先搭工程。一套 API 覆盖 Web、移动和桌面三端测试团队最顺手的一个。# 用自然语言写用例元素让 AI 自己找tasks:-goto:https://example.com-ai:点击 登录 按钮-ai:在用户名输入框填入 admin-ai:断言页面出现 欢迎回来3.5 Nova Act亚马逊的官方 SDK亚马逊官方 SDKPython 写的底下包着 Playwright深度绑定 AWS 生态官方示例直接演示 agent 调 IAM 管 S3账号、权限、存储这些周边对 AWS 团队全是现成的。它主打可靠官方说法是模型会对每步动作自评再执行长链条任务不容易跑偏。至于可靠性到底几成让子弹飞一会儿——毕竟官方说和实测之间隔着一条河。3.6 Notte压缩 DOM 省上下文在浏览器和模型之间加了一层感知层把整页 DOM 压成摘要再喂给模型同样的任务 token 开销小一截。会话跑在云端起一个浏览器几秒就绪配了隐身和验证码处理登录类站点也能对付底层用的是 Playwright 的隐身分支。长任务跑下来token 账单和响应速度两头都占便宜。适合已经跑通流程、被成本烫到的团队——被 token 账单烫过的人都懂。四、把浏览器搬上云端Agent 跑浏览器有三个新需求并发要大IP 要干净验证码要能过。自己机房养浏览器集群是最重的一种活于是有了这一类把浏览器做成云服务API 一调就拿到现成会话用完即毁。但这一类大多是商业产品了解即可——热闹可以看掏钱的时候冷静点。4.1 Browserbase万级并发的云浏览器Stagehand 的母公司SDK 开源圈开发者浏览器云收费。官网写着支持一万以上并发会话API 起一个会话只要几行代码。会话相互隔离每个 agent 一个干净环境自带代理和隐身处理封 IP 的风险低还能录像回放出问题不用猜。几百个 agent 并发跑采集或操作任务的团队就是给它准备的。4.2 Steel能自托管的浏览器云整套开源Apache-2.0 协议既能用官方云也能整套部署到自己机器上数据不出门。官方定位是给 Agent 和 App 的浏览器沙箱会话即起即用断线能重连日志和截图齐全排错省事。自托管一套 Docker 就能跑在自己服务器上合规要求高、数据不能出公司的团队这一层里最值得看它。4.3 Hyperbrowser给 Agent 的现成浏览器官网一句话就给出了定位Browser Infra for AI Agents。API 随取随用的云端浏览器Puppeteer、Playwright 脚本直接接上去就能跑验证码处理和隐身会话都提前配好不用自己碰基础设施。简单需求还有现成的抓取接口和 MCP 端点一个请求进去页面数据直接返回接进 Claude 这类客户端也顺。商业服务想把 agent 任务快速跑起来的团队从它上手很快。fromplaywright.sync_apiimportsync_playwrightimportos# 云端浏览器验证码和隐身都配好了连驱动都不用装withsync_playwright()asp:browserp.chromium.connect_over_cdp(os.environ[HYPERBROWSER_URL])pagebrowser.new_page()page.goto(httpsexample.com)print(page.title())这么多工具到底怎么挑传统那一类最好办新项目直接 Playwright存量项目接着用 Selenium爬虫、截图这类轻活交给 Puppeteer。这三句背下来能少走三年弯路。给 coding agent 配手先试微软官方那两款。在 Cursor、Claude 里临时指挥浏览器Playwright MCP 装上就能跑任务长、token 预算紧、要写进固定工作流的换 Playwright CLI。官方两款之外按短板补要登录态、进内网用 BrowserSkill 接管日常在用的 Chrome常跑外站采集、总被风控拦的选 BrowserAct。要写代码把 AI 嵌进工程的先分清自己做的是哪件事。做 agent 原型、验证想法优先用 browser-use生态最大踩了坑基本都能搜到答案。测试团队想把 AI 引进回归用 Midscene 阻力最小YAML 用例、中文文档、可视化报告都是现成的主力回归照样用 Playwright 或 Cypress 上AI 层先做辅助断言。最后说句泼冷水的新工具如果还在 0.x 版本star 数只代表近期热度高并不代表稳定性。拿它们短期提效试试水可以但真想拿它们扛核心回归最好先小范围跑三个月再定。这就跟追星一样颜值star能让你火速上头但能不能过日子还得看相处稳定性。工具不在多在于适配自己。新东西冒出来先想清楚它是给谁用的往哪一类放用起来心里才有数。P.S. 无意间发现了一个巨牛的人工智能教程非常通俗易懂对AI感兴趣的朋友强烈推荐去看看传送门https://blog.csdn.net/qq_34419312
Web自动化20款工具横向盘点，从传统框架到AI浏览器Agent
文章目录前言一、传统派六个老伙计1.1 Playwright微软家的顶梁柱1.2 Selenium测试界的活化石1.3 PuppeteerChrome 亲儿子1.4 Cypress跑在浏览器里的测试框架1.5 WebdriverIO一套框架管三端1.6 TestCafe不用装驱动二、给 Coding Agent 配手CLI 和 MCP2.1 BrowserSkill把已登录的浏览器借给 Agent2.2 BrowserAct专门对付风控和验证码2.3 Playwright MCP微软官方出品2.4 Playwright CLI微软新发的省 token 神器2.5 Browser MCP装个扩展就能用三、写代码调用AI 自动化框架3.1 Stagehand写进代码里的浏览器 Agent3.2 browser-usestar 最高的那个3.3 Skyvern不看 DOM 看截图3.4 Midscene.js字节出品的 AI 测试工具3.5 Nova Act亚马逊的官方 SDK3.6 Notte压缩 DOM 省上下文四、把浏览器搬上云端4.1 Browserbase万级并发的云浏览器4.2 Steel能自托管的浏览器云4.3 Hyperbrowser给 Agent 的现成浏览器这么多工具到底怎么挑最后说句泼冷水的P.S. 无意间发现了一个巨牛的人工智能教程非常通俗易懂对AI感兴趣的朋友强烈推荐去看看 传送门https://blog.csdn.net/qq_34419312前言这两年想给 Web 自动化挑个工具难度不亚于给我妈挑手机。以前好办翻来覆去就 Selenium 和 Playwright 两派闭眼选一个跟豆腐脑选甜咸似的错了也就错一天。现在你再打开任何一份工具清单一半以上是带 AI 的新面孔腾讯、微软、亚马逊全往里挤开源仓库的 star 涨得比我体重还快——腾讯 6 月放出来的 BrowserSkill三个月冲到七千多 star我查了查日历这速度比我当年追剧还猛。其实变化最大的是 Coding Agent 出来之后玩法整个变了。以前的框架是给人写脚本的每点一下、每敲一个字都得自己写成代码选择器一写死页面改个版脚本当场殉职。现在的工具反过来了你一句人话模型自己看页面、自己找按钮文案改了它都不带眨眼的。浏览器自动化这行从写代码变成了下指令从自己做饭变成了点外卖。今天把这 20 款工具分成四类唠一唠。排名不分先后想到哪写到哪跟吃席一样坐哪桌都行。一、传统派六个老伙计这一组就是测试界的基本盘后面三类里一半以上的工具都是踩着它们肩膀起来的。browser-use 包着 PlaywrightNotte 用的是 Playwright 的分支Stagehand 直接建在 Playwright 上。Playwright 这哥们属实是工具界的底层打工人哪哪都有它。1.1 Playwright微软家的顶梁柱整张清单里被依赖最多的没有之一。微软出品截止目前 96,651 个 star三大浏览器引擎全支持。自动等待、失败回放、脚本录制这些测试刚需全内置写起来快挂了好查。现在的 Playwright 已经不是单一框架了是一套全家桶官方自己分成五块Playwright Library最底层写脚本、爬数据直接调它Playwright Test在 Library 之上加测试框架跑用例、出报告是它管Playwright MCP让 Cursor、Claude 这类客户端用自然语言指挥浏览器Playwright CLI给 Claude Code、Copilot 这类终端 agent 命令行调用省 tokenVS Code 扩展装进编辑器写用例、调试、跑测试一站完成写测试选 Test写脚本选 Library给 agent 配手就用 MCP 或 CLI。这就跟点菜一样一个馆子五种吃法别走错门。1.2 Selenium测试界的活化石W3C WebDriver 标准就是从它这套体系来的。语言支持最全Java、Python、C#、Ruby 全是一等公民。强项是兼容和存量配合 Grid 能把用例分发到几十台机器、几十种浏览器版本上并行跑。会它的人也最多教程、问答、现成方案堆成山团队换人接手成本最低。老项目离不开它就像我离不开我妈的唠叨——烦但有用而且你还不能换。1.3 PuppeteerChrome 亲儿子Chrome DevTools 团队官方出品95,618 个 star最早把 CDP 底层协议用起来的就是它。强项是轻和快一个浏览器实例能开几十上百个页面内存占用小一台机器并发跑上千个页面不难。爬虫、网页截图、生成 PDF 这些活用它最多但在测试圈出镜率反而一般——有点像那种学霸成绩是真的好但没人请他上综艺。1.4 Cypress跑在浏览器里的测试框架测试代码直接跑在浏览器里报错时每个时间点的页面快照都能回放排错像放录像。前端工程师写它最顺手代码一保存测试自动重跑接口可以随便 stub填个假响应就绕开后端。要说短板跨域访问和多标签页是它的软肋——像游泳健将不会跳水单项很顶全能就露怯。1.5 WebdriverIO一套框架管三端Web、手机 App、桌面应用全覆盖端多的团队用它省掉几套技术栈。用例能按设备、按浏览器分组一次配置几十种环境批量跑失败截图、测试报告、接进持续集成的路子都是现成的。人少端多的团队维护成本压到最低属于闷声干大事的类型。1.6 TestCafe不用装驱动不用装任何浏览器驱动任意浏览器、远程机器、手机真机都能直接跑环境配置全省。内置自动等待DevExpress 维护。一条命令还能同时开几个浏览器并发跑同一批用例跨浏览器回归一次完成。怕折腾环境的人会喜欢它——说的就是当年装 Selenium 驱动装到怀疑人生的我。二、给 Coding Agent 配手CLI 和 MCP这一组可以直接装在 Claude Code、Codex、Cursor 身上让 agent 替你操作浏览器。接法分两种CLI 是命令行调用MCP 是挂进客户端的常驻服务。一个省 token一个上手快相当于一个大锅饭一个小灶。2.1 BrowserSkill把已登录的浏览器借给 Agent今年 6 月才开源三个月冲到 7,168 个 star腾讯出品MIT 协议。它解决的是登录这道坎agent 不用再开一个干净的无头浏览器去硬闯扫码和滑块直接借用你日常在用的 Chrome登录态、cookie 全现成人登录过的系统它抬手就进。验证码、扫码、风控这些 agent 搞不定的环节你自己登录一遍剩下的交给它。公众号后台、企业内网这些没有开放 API 的地方特别合适。这就跟找人办事一样最难的那步你自己跑了剩下的都好说。2.2 BrowserAct专门对付风控和验证码专攻反爬封锁这一段CLI 是商业产品配套 Skill 仓库开源2026 年 2 月建仓七个月 6,007 个 star。任务卡住可以暂停转人工人处理完接着跑长任务不用人盯着。多任务并行、多账号会话隔离采集和批量操作的重活扛得住还提供 n8n 工作流组件。要常跑外站采集、总被风控纠缠的团队重点看它。2.3 Playwright MCP微软官方出品Cursor、Claude 这类客户端接浏览器的默认选择一年半涨到 37,554 个 star。页面信息用无障碍树喂给模型比截图省也稳元素有角色有名字点哪个填哪个说得清误操作比看图少。装好就能用一句自然语言指挥浏览器。探索页面、调试流程、批量改数据这类活最合适属于开口就能干活的类型。2.4 Playwright CLI微软新发的省 token 神器官方定位说得很清楚MCP 要往上下文里塞工具清单和无障碍树太烧 tokenCLI 模式直接命令行调用同样的活花得更少。常用操作都做成了短命令开页面、点按钮、填表单、读内容agent 一步一步调每步只带回需要的结果。MCP 和 CLI 怎么选一句话随手用、要人机来回确认选 MCP长任务、固定流程、token 预算紧选 CLI。这跟打车一个道理临时出门叫网约车天天通勤就办月卡。2.5 Browser MCP装个扩展就能用门槛最低的一个Chrome 装个扩展就能用操作的就是你日常那个浏览器书签、登录态全在从安装到能用不超过十分钟。深度能力别指望。但得说句实话从 2025 年 4 月后项目没再更新了——属于那种有前途但没后劲的类型。想先体验一下 agent 开浏览器、再决定要不要上重型方案它是最合适的起点。三、写代码调用AI 自动化框架这一组要写代码把 AI 的自然语言和视觉能力嵌进自动化工程TypeScript、Python 都有适合要长期维护这套东西的团队。看到这里程序员们终于放心了还是熟悉的味道。3.1 Stagehand写进代码里的浏览器 Agent把 agent 能力做成 act、extract、observe 几个原语嵌进 TypeScript 代码写代码的人保留主控权底层用 PlaywrightMIT 协议。你写点击登录按钮文案从「登录」改成「立即登录」它照样点得中extract 抽数据也是一句话说清要什么字段页面结构变了不用重写选择器。代码本身是普通 TypeScript版本管理、代码审查、持续集成照常用。AI 的灵活和工程的稳定一起要——这配置跟既要又要还要的甲方不谋而合。3.2 browser-usestar 最高的那个这批工具里 star 最高的一个11.6 万2024 年 10 月由 Gregor Müller 和 Magnus Žunič 两个人发起。Python 库几行代码起一个自然语言 agent你下指令它自己拆成点击和输入。模型不挑OpenAI、Claude、开源模型都能接自带视觉能力。生态也热闹命令行工具、云服务、LangChain 集成都有现成的踩了坑基本都能搜到答案。做 agent 原型第一个试它属于测试界的大众点评——人多评价多踩坑都有人给你垫着。frombrowser_useimportAgentimportasyncioasyncdefmain():# 一句话剩下的它自己干agentAgent(task打开豆瓣电影找到评分最高的电影并截图)awaitagent.run()asyncio.run(main())3.3 Skyvern不看 DOM 看截图别的工具读 DOM它直接看截图交给视觉模型页面再乱、内容画在 canvas 里也不影响不依赖选择器特别适合没人维护的内部老系统定位偏 RPA。每一步操作和截图都记下来任务跑完能完整回放卡在哪一步一眼看到人工审核有据可查。注意 AGPL 协议商用要掂量——开源的快乐和商用的烦恼它一套给全。3.4 Midscene.js字节出品的 AI 测试工具字节 Web Infra 团队出品中文文档齐全国内团队上手成本最低。特色是按测试思路设计YAML 写用例、自然语言写断言跑完有可视化报告AI 每一步点了哪里、为什么这么判断都能回放。除了写代码还提供浏览器扩展装上就能在页面上直接下指令体验不用先搭工程。一套 API 覆盖 Web、移动和桌面三端测试团队最顺手的一个。# 用自然语言写用例元素让 AI 自己找tasks:-goto:https://example.com-ai:点击 登录 按钮-ai:在用户名输入框填入 admin-ai:断言页面出现 欢迎回来3.5 Nova Act亚马逊的官方 SDK亚马逊官方 SDKPython 写的底下包着 Playwright深度绑定 AWS 生态官方示例直接演示 agent 调 IAM 管 S3账号、权限、存储这些周边对 AWS 团队全是现成的。它主打可靠官方说法是模型会对每步动作自评再执行长链条任务不容易跑偏。至于可靠性到底几成让子弹飞一会儿——毕竟官方说和实测之间隔着一条河。3.6 Notte压缩 DOM 省上下文在浏览器和模型之间加了一层感知层把整页 DOM 压成摘要再喂给模型同样的任务 token 开销小一截。会话跑在云端起一个浏览器几秒就绪配了隐身和验证码处理登录类站点也能对付底层用的是 Playwright 的隐身分支。长任务跑下来token 账单和响应速度两头都占便宜。适合已经跑通流程、被成本烫到的团队——被 token 账单烫过的人都懂。四、把浏览器搬上云端Agent 跑浏览器有三个新需求并发要大IP 要干净验证码要能过。自己机房养浏览器集群是最重的一种活于是有了这一类把浏览器做成云服务API 一调就拿到现成会话用完即毁。但这一类大多是商业产品了解即可——热闹可以看掏钱的时候冷静点。4.1 Browserbase万级并发的云浏览器Stagehand 的母公司SDK 开源圈开发者浏览器云收费。官网写着支持一万以上并发会话API 起一个会话只要几行代码。会话相互隔离每个 agent 一个干净环境自带代理和隐身处理封 IP 的风险低还能录像回放出问题不用猜。几百个 agent 并发跑采集或操作任务的团队就是给它准备的。4.2 Steel能自托管的浏览器云整套开源Apache-2.0 协议既能用官方云也能整套部署到自己机器上数据不出门。官方定位是给 Agent 和 App 的浏览器沙箱会话即起即用断线能重连日志和截图齐全排错省事。自托管一套 Docker 就能跑在自己服务器上合规要求高、数据不能出公司的团队这一层里最值得看它。4.3 Hyperbrowser给 Agent 的现成浏览器官网一句话就给出了定位Browser Infra for AI Agents。API 随取随用的云端浏览器Puppeteer、Playwright 脚本直接接上去就能跑验证码处理和隐身会话都提前配好不用自己碰基础设施。简单需求还有现成的抓取接口和 MCP 端点一个请求进去页面数据直接返回接进 Claude 这类客户端也顺。商业服务想把 agent 任务快速跑起来的团队从它上手很快。fromplaywright.sync_apiimportsync_playwrightimportos# 云端浏览器验证码和隐身都配好了连驱动都不用装withsync_playwright()asp:browserp.chromium.connect_over_cdp(os.environ[HYPERBROWSER_URL])pagebrowser.new_page()page.goto(httpsexample.com)print(page.title())这么多工具到底怎么挑传统那一类最好办新项目直接 Playwright存量项目接着用 Selenium爬虫、截图这类轻活交给 Puppeteer。这三句背下来能少走三年弯路。给 coding agent 配手先试微软官方那两款。在 Cursor、Claude 里临时指挥浏览器Playwright MCP 装上就能跑任务长、token 预算紧、要写进固定工作流的换 Playwright CLI。官方两款之外按短板补要登录态、进内网用 BrowserSkill 接管日常在用的 Chrome常跑外站采集、总被风控拦的选 BrowserAct。要写代码把 AI 嵌进工程的先分清自己做的是哪件事。做 agent 原型、验证想法优先用 browser-use生态最大踩了坑基本都能搜到答案。测试团队想把 AI 引进回归用 Midscene 阻力最小YAML 用例、中文文档、可视化报告都是现成的主力回归照样用 Playwright 或 Cypress 上AI 层先做辅助断言。最后说句泼冷水的新工具如果还在 0.x 版本star 数只代表近期热度高并不代表稳定性。拿它们短期提效试试水可以但真想拿它们扛核心回归最好先小范围跑三个月再定。这就跟追星一样颜值star能让你火速上头但能不能过日子还得看相处稳定性。工具不在多在于适配自己。新东西冒出来先想清楚它是给谁用的往哪一类放用起来心里才有数。P.S. 无意间发现了一个巨牛的人工智能教程非常通俗易懂对AI感兴趣的朋友强烈推荐去看看传送门https://blog.csdn.net/qq_34419312
