技能介绍

要解决的问题

浏览器自动化的需求往往分散在多个环节：测试团队要批量验证页面行为，数据团队要抓取渲染后的 DOM 或网络数据，运维和产品团队需要定时生成 PDF 报告，还有大量操作需要把「打开页面 → 登录 → 点击 → 导出」串成稳定流程。这些场景的共同痛点是：要么依赖 Selenium 这类笨重的工具链，要么靠脆弱的元素定位硬撑，一旦页面结构变化就全线崩溃。更麻烦的是，当你真正需要精确控制页面加载时机、拦截请求、改写响应时，大多数轻量方案根本给不出协议层面的控制点。

核心能力与工作方式

双浏览器覆盖：Chrome 和 Firefox 均可驱动，底层走 DevTools Protocol（CDP），或较新的 WebDriver BiDi 协议
典型任务形态：页面截图、PDF 生成、渲染后页面数据抓取、把一串页面操作编排成自动化工作流
编程式控制粒度：作为 JavaScript 库，可以等待特定元素出现、拦截并改写网络请求、控制导航节奏与页面状态——这些不是黑盒参数，而是协议层的显式控制点，适合需要深挖页面行为的场景
调试友好：可配合基于 Puppeteer 的 MCP server 做浏览器自动化与调试，便于把控制能力接入现有工具链

适用边界

需要 Node.js 环境；Chrome for Testing 一般由 puppeteer 自动下载，环境受限（离线、CI 镜像）时可用 puppeteer-core 接已有浏览器
Firefox 支持基于 WebDriver BiDi，与 Chrome 的 CDP 路径在部分高级能力上可能存在差异，关键场景应先做验证再依赖
抓取频率控制、验证码绕过、风控对抗这类反爬工程不在工具职责范围内，需要另行解决
涉及登录态共享、代理池、多账号并发时，仍要自己处理会话与隔离策略