本期是浏览器自动化赛道的同门横评。这个赛道近一年从「一个 browser-use 独跑」卷成了「四条流派同场」：Vercel 的 agent-browser 用一条命令行把浏览器开成纯文本快照；微软官方的 playwright-mcp 把无障碍树做成了 MCP 工具集；老牌选手 browser-use 依旧走「自带 Agent 循环」的整车路线；谷歌 Chrome 团队则递上 chrome-devtools-mcp，不帮你开车、专帮你修车。核心发现一句话：这个赛道的竞争焦点已经不是「能不能操作浏览器」，而是「每一步操作烧多少上下文」——截图派全线退场，快照派成了最大公约数。
先说清楚这四件在争的是什么。Claude Code 这类编码 Agent 的默认外设是终端和文件系统，遇到「去页面上点一下」「看看这个按钮为什么点了没反应」「把竞品价格抄回来」这类活，就得给模型配一副能看见网页的手眼。
问题在于，网页对模型来说是出了名的贵：一张 1280×720 的截图喂进去几千 token，滚动一次再喂一张，一个十步的网页任务能烧掉几十万 token 的上下文。于是 2025 年下半年起，整个赛道集体转向同一个答案——别给模型看图，给它看无障碍树（accessibility tree）。浏览器自己就知道每个元素是什么按钮、什么输入框、什么文字，把这棵树序列化成文本，体积小一个数量级，还能给每个节点发一个稳定的编号（ref），模型点 @e12 比看图猜坐标靠谱得多。
四条流派的分歧，就在这棵树的「递法」和「谁负责循环」上。
定位：把整套浏览器操作压缩成一条 CLI 命令，专为编码 Agent 设计。Vercel 出品，是这个赛道最新的大厂入场券。
设计亮点：它看准了 Claude Code 的原生习惯——模型最顺手的是 Bash 工具，于是不做 MCP、不做库，直接做 CLI：agent-browser open <url> 打开页面，agent-browser snapshot 吐出带 ref 编号的文本快照，agent-browser click @e12 用 ref 精确点击。核心用 Rust 写成常驻 daemon，命令秒回；会话、标签页、等待条件都做成子命令，整条交互就是「文本进、文本出」。它附带的 Agent 说明书里通篇在劝模型三件事：别截图、用快照、拿 ref——把省 token 写成了使用纪律。
短板：太年轻。iframe 嵌套、canvas 重交互、复杂验证流程这类边界场景，成熟度还需要时间验证；ref 编号每次快照后都会变，长链路操作对模型的状态记忆是个考验。
定位：Playwright 官方团队维护的 MCP 服务器，把浏览器操作拆成一格格标准工具：导航、点击、填表、快照、标签页管理、网络请求检查、控制台消息。
设计亮点：它是「无障碍快照」范式的定型之作——每次操作后返回一棵可访问性树，节点挂 ref，模型对着 ref 下一步操作；工具集覆盖面是四家里最全的，连 emulate 媒体特性、文件上传、对话框处理、无障碍快照内全文搜索都有独立工具。最大的护城河是通用性：任何支持 MCP 的客户端（Claude Code、IDE、其他 Agent 框架）都即插即用，一套工具四处复用。
短板：MCP 形态的通病——几十个工具的 schema 常驻上下文，还没干活先吃一笔固定开销；每次操作是一次完整的工具调用往返，比起 CLI 一条命令串多步，链路更长。
定位：这个赛道最早出圈的名字，2025 年就是它把「让大模型开浏览器」变成了 pip install 一件事。它不是给现有 Agent 配外设，而是自带 Agent 循环的 Python 库。
设计亮点：拿到任务后自建循环——把 DOM 打上编号标签喂给 LLM，模型挑元素、库执行动作、再观察、再决策，支持任意主流模型，多标签页并行。社区声量四家最大，demo 传播度也最高，「20 行代码订机票」的套路就是它带火的，如今还延伸出了云端托管版本。
短板：在 Claude Code 的语境里它是异类——你等于雇了个外包司机：主 Agent 发任务，browser-use 内部再跑一轮自己的模型调用，同一件事烧两份 token；Python 环境依赖也是四家里最重的。它是好库，但作为「Claude Code 的外设」并不是最优接法。
定位：谷歌 Chrome 团队官方出品，接的是 Chrome DevTools 的调试能力：性能轨迹（performance trace）分析、网络请求档案、CPU/网络节流模拟、脚本执行、页面快照。
设计亮点：它是四家里唯一有「体检科」的——前三件回答「怎么点这个页面」，它回答「这个页面为什么慢」：跑一次性能轨迹让模型读火焰图、按请求列出网络瀑布、模拟弱网环境复现问题。对「调试前端性能」「复现慢接口」这类任务，目前没有平替。
短板：通用操作（填表、多步流程）的丰富度明显弱于前两家，定位就是调试位而非操作位，作为主力浏览器外设会捉襟见肘。
| 维度 | 权重 | agent-browser | playwright-mcp | browser-use | chrome-devtools-mcp |
|---|---|---|---|---|---|
| 功能完整度 | 25% | 4.0 | 4.5 | 5.0 | 4.0 |
| 设计质量 | 25% | 5.0 | 4.5 | 4.0 | 4.0 |
| 实战效果 | 20% | 4.5 | 4.5 | 4.0 | 3.5 |
| 上手难度 | 15% | 4.5 | 4.5 | 3.5 | 4.0 |
| 社区活跃度 | 15% | 4.0 | 4.5 | 5.0 | 3.5 |
| 加权总分 | 100% | 4.43 | 4.50 | 4.33 | 3.83 |
四家里三家的技术底座已经收敛：无障碍树 → 文本快照 → ref 编号 → 按 ref 操作。真正的分歧在循环归属——agent-browser 和 playwright-mcp 是「无循环」设计，主 Agent 每一步自己决策，上下文里留有完整操作轨迹，出错能回看；browser-use 是「内循环」设计，子 Agent 自己走完观察-决策链，主 Agent 只拿到结论，省主上下文但丢了过程可审计性。任务需要逐步把关选前者，任务需要批量跑量选后者。
| 形态 | 代表 | 接法 | 上下文开销 |
|---|---|---|---|
| CLI | agent-browser | Bash 直接调，按需输出 | 零常驻，最省 |
| MCP | playwright-mcp / chrome-devtools-mcp | 服务器常驻，工具即调用 | schema 常驻，中 |
| 库 | browser-use | 写 Python，内嵌循环 | 常驻最省，但烧第二份模型费 |
这其实是个信号：Skill/CLI 形态正在向 MCP 形态发起价格战。MCP 的强项是标准化和跨客户端复用，弱项是每个工具的描述文本都是固定税；CLI 把「说明书」压进一条 --help，用的时候才进上下文。agent-browser 是第一个把这条路走通的大厂产品。
以典型十步网页任务粗算：截图派每步一张图，全程轻松吃掉十万级 token；快照派每步一张文本树，通常只有几千 token，差出一个数量级。这就是为什么四家不约而同把「禁用截图」写进各自说明书——不是截图没用，是上下文窗口才是这个赛道真正的稀缺资源。chrome-devtools-mcp 是唯一保留重截图场景的，因为性能分析确实需要视觉证据，属于「该花的钱」。
四家共同的软肋：登录态（涉及真实账号的页面操作务必限定授权范围）、反爬与验证码（别让 Agent 碰验证码，合规风险自负）、canvas 与虚拟滚动列表（无障碍树抓不到的内容快照就是盲区）。另一个反直觉建议：有 API 就别开车——浏览器是最后手段，不是默认手段。
flowchart TD
T["用户一句话任务"] --> CC["Claude Code 主控"]
CC -->|CLI 文本流| AB["agent-browser"]
CC -->|MCP 工具调用| PW["playwright-mcp"]
CC -->|MCP 工具调用| CD["chrome-devtools-mcp"]
CC -->|Python 子进程| BU["browser-use"]
AB --> S1["文本快照 ref 引用"]
PW --> S2["无障碍树 ref 引用"]
CD --> S3["性能轨迹与网络档案"]
BU --> S4["DOM 打标内循环"]
S1 --> B["真实浏览器"]
S2 --> B
S3 --> B
S4 --> B
flowchart TD
S["先问要 Agent 干什么"] --> A["有 API 就别开车"]
S --> B["调性能查网络"] --> C["chrome-devtools-mcp"]
S --> D["通用操作求稳"] --> E["playwright-mcp"]
S --> F["编码 Agent 省 token"] --> G["agent-browser"]
S --> H["批量跑量多模型"] --> I["browser-use"]
agent-browser（CLI 形态，ref 编号以当次快照输出为准）：
npm install -g agent-browser
agent-browser open https://example.com
agent-browser snapshot
agent-browser click @e12
playwright-mcp：
claude mcp add playwright -- npx @playwright/mcp@latest
chrome-devtools-mcp：
claude mcp add chrome-devtools -- npx chrome-devtools-mcp@latest
browser-use（Python 环境，自带循环）：
pip install browser-use
from browser_use import Agent
from langchain_openai import ChatOpenAI
agent = Agent(task="打开 GitHub 首页，报出今日趋势榜第一的项目名", llm=ChatOpenAI(model="gpt-4o"))
await agent.run()
一套实用的家庭组合：playwright-mcp 常驻 + chrome-devtools-mcp 待命 + agent-browser 装在 Claude Code 里跑轻量任务，browser-use 留给脱离 Claude Code 的独立批量场景。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。