Playwright MCP

Playwright MCP 是一个使用 Playwright 提供的浏览器自动化能力的模型上下文协议（MCP）服务器。它的核心优势在于使大型语言模型（LLM）能够与网页进行交互，无需依赖截图或视觉模型，而是通过结构化的可访问性快照来实现。

关键特性：

• 快速轻量： 使用 Playwright 的可访问性树，速度快，资源占用少。
• LLM友好： 无需视觉模型，直接处理结构化数据，降低了对LLM的视觉理解能力要求。
• 确定性的工具应用： 避免了基于截图的方法中常见的模糊性。

使用场景：

• 网页导航和表单填写： 自动浏览网页、填写表单。
• 从结构化内容中提取数据： 抓取网页数据。
• LLM驱动的自动化测试： 构建基于 LLM 的自动化测试流程。
• 通用浏览器交互： 为智能体（Agent）提供网页交互能力。

两种工具模式：

1. 快照模式（Snapshot Mode）： 默认模式，使用可访问性快照，性能更好、更可靠。LLM 通过元素描述 (element) 和元素引用 (ref) 精准定位元素并执行操作。
2. 视觉模式（Vision Mode）： 使用截图进行基于视觉的交互。LLM 需要使用 XY 坐标来定位元素，配合能够识别图像的视觉模型效果更佳。

简而言之，Playwright MCP 提供了一种更高效、更可靠的方式，让 LLM 可以通过结构化数据理解和操作网页，从而实现各种自动化任务，而且可以根据需求选择快照模式或视觉模式。