技能介绍

解决什么问题

在 MCP 客户端里驱动浏览器时，最常见的做法是让模型盯着截图猜页面状态。截图丢掉了 DOM 的结构信息：控件没有稳定的标识、表单字段的可访问性树被压缩成像素、异步渲染完成与否无从判断。结果是导航不可靠、填表靠运气、断言只能凭感觉。Microsoft Playwright MCP 的思路是反过来——把 Playwright 的浏览器自动化能力通过 Model Context Protocol 暴露出去，让 agent 拿到的是结构化的页面访问，而不是一张需要二次解释的图片。

核心能力与工作方式

它把 Playwright 包装成一个 MCP server，模型通过协议调用一组面向页面操作的工具，核心覆盖四件事：

可靠导航：等待网络空闲、路由跳转、页面加载完成之后再返回结果，避免“还没渲染完就开始操作”的竞态。
表单填充：按标签、占位符或角色定位输入控件，逐项写入并提交，适合登录、搜索、向导这类多步流程。
DOM 检查：直接读取文档结构与元素属性，用于核对页面状态、抓取文本、验证某个节点是否存在。
测试式自动化：把操作写成可重复的流程，类似写集成测试的心智模型，而不是一次性的即兴脚本。

接入端很宽：VS Code、Cursor、Windsurf、Claude Desktop、Goose、Junie 等任意 MCP client 都能把它当作标准 server 挂载。上游还提供了一个扩展开关，可以把工具连接到用户已经在运行的浏览器实例上，而不是每次另起一个临时浏览器。

适用边界与注意点

它不是无脑可用的。首先需要 Node.js 18 或更高版本，低于这个版本跑不起来。其次，连接已有浏览器的扩展模式只支持 Edge 与 Chrome，且要求先装好 Playwright Extension，并通过环境变量 PLAYWRIGHT_MCP_EXTENSION 提供路径；这条路径走不通时，只能退回到它自己启动的浏览器。

另外，工具的能力边界由 Playwright 决定：跨域 iframe、权限弹窗、验证码、文件上传、Canvas 渲染这类场景仍然需要额外处理。它给你的是可控的页面访问，不是绕过站点防护的魔法。适合做内部工具的自动化验证、重复性回归流程，以及需要精确 DOM 断言的任务；如果目标是绕开登录态或对抗反爬，这套工具并不合适。