乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > AI 接管浏览器的实践

AI 接管浏览器的实践

当前时间： 2026-08-10 14:57:11 分类：办公文件 评论(0)
AI 接管浏览器的实践
在AI时代，AI Agent 可以接管我们的浏览器。比如在前端开发时，可以让 AI 通过浏览器实现自测。还可以让 AI 接管浏览器帮我们完成很多日常办公任务，比如查看网页邮件、填工时、提交报销单等。对此我也做过一些尝试，日常工作中已经开始广泛使用这个能力。

一、通过浏览器扩展程序

我最开始的思路是编写浏览器扩展程序，让 AI 通过扩展实现对浏览器的页面管理和页面内容操作，但很快发现一些硬伤：

  • 间接依赖，无法闭环：扩展程序需手动安装、更新，一旦出错，AI 无法自主排查修复，依赖人工介入；

  • 能力受限，权限不足：扩展程序的浏览器权限有限，复杂页面交互难以实现，且无法启动独立进程。

二、Chrome DevTool MCP

2025 年，MCP兴起，Chrome DevTool MCP 成为新选择。它基于标准化协议，让 AI 直接对接 Chrome 开发者工具，相比扩展程序，自由度大幅提升 —— 可直接操控浏览器 DOM、执行 JS、抓取网络请求。但还不够完美：

  • Token 消耗高：需传输完整页面结构、工具 schema，单次会话 Token 消耗动辄数万，成本高；

  • 能力有局限：依赖浏览器 CDP 协议，面对复杂动态页面、跨站点操作时，仍存在适配短板。

三、Playwright CLI vs Browser Harness Skill

进入 2026 年，Skill 和 CLI火爆，Playwright CLI与Browser Harness Skill解决了早期工具的痛点，火速出圈。先通过表格了解和对比两者差异：

四、实测：AI 操控 Wiki 页面搜索总结

为验证两款工具的实际效果，我使用 Open Code 和它自带的 LLM，验证一个场景：
任务指令：打开Wiki页面，搜索 Git-Flow 相关页面，总结内容；复用已有登录 session，无需重新登录。

1. Playwright CLI 实测过程

Token 消耗：37055；
任务结果：找到 3 个 Git-Flow 相关条目，分别输出简洁清晰的核心总结；

2. Browser Harness Skill 实测

Token 消耗：53814（比 Playwright CLI 高约 45%）；
任务结果：基本和 Playwright CLI 一致；

3、实践结论：Playwright CLI 更胜一筹

经过一些实测对比，我还是认为Playwright CLI在 AI 接管浏览器场景中相对 Browser Harness Skill 更胜一筹，我个人认为原因有 3 点：
  • 自带独立浏览器，可以完全接管，登录态复用、页面交互、异常处理全流程闭环，真正实现 “AI 全权代理”；
  • 将浏览器底层能力固化为原生 API，AI 无需编写冗余代码，仅需调用简洁指令即可完成任务，Token 消耗显著降低；

  • 能力无短板，适配性强：API 全面，支持复杂页面的复杂操作。

Browser Harness一则是无法覆盖全部能力，对于已有的能力，也通常需要借助临时的python代码来实现，token消耗量大很多。

作者简介：从事 Web 前后端开发多年。一直相信“技术应该被说人话”，坚持输出实用易懂的干货内容。闲暇写些随笔，记录行业观察与生活感悟。