技能介绍

要解决什么问题

在 Agent 或 IDE 里做网页相关任务时，模型往往只能「描述」该怎么点、该怎么填表，却无法真正打开页面、执行 DOM 操作或拿回结构化结果。若把 Playwright 直接塞进对话上下文，环境依赖和进程管理又会拖慢迭代。本技能通过 MCP（Model Context Protocol） 把浏览器能力暴露成一组稳定工具，让助手在受控沙箱里完成导航、交互与抽取，而不是靠猜测 HTML 结构。

技能如何工作

底层由 Playwright MCP Server 驱动，可对接 Chrome、Firefox、WebKit 之一。常见流程是：先启动 MCP 服务（默认 STDIO 与宿主通信），再按场景调用工具链：

browser_navigate：打开目标 URL
browser_click / browser_type / browser_select_option：完成点击、输入与下拉选择
browser_get_text、browser_evaluate：读文本或在页面内执行 JavaScript
browser_snapshot：获取可访问性树快照，便于在复杂页面上定位元素
browser_choose_file、browser_press：上传文件与键盘事件
browser_close：结束浏览器上下文

文档中的典型路径包括：登录后抓取表格、表单填写、以及需要截图或批量抽取可见文本的场景。配置项可约束启动参数与运行环境，与 Playwright 官方能力对齐。

适用边界与注意点

默认会限制文件系统访问范围（工作区根目录）、对导航目标做 主机校验，并启用沙箱；Service Worker 默认被拦截。仅在明确需要且理解风险时再考虑放宽沙箱（如 --no-sandbox）。适合需要真实浏览器渲染、Cookie/会话与动态 JS 的自动化；不适合替代专用爬虫框架的大规模分布式抓取，也不应把未校验的外链当作可信执行面。