AI Agent浏览器操作 02:Playwright vs agent-browser——两大方案对比选型

上篇文章讲了无头浏览器和CDP协议的基础。这篇做个横向对比，帮助你在实际项目中做出选择。

目前有两个最主流的 AI 浏览器操作方案：Playwright 和 agent-browser（Vercel Labs）。两者都能操作浏览器，但设计思路和适用场景有明显差异。

说明

：以下命令整理自 agent-browser 文档，源码中未经实测验证：

fillwaitwait-forextractcontentrefreshlist-tabsswitch-tab

open-new-tabchatcookiessessionconnectkillsetstealthhoverselect

源码中实测可用的命令：openclicksnapshotscreenshotclosescrollbackevaltypepressconsoleerrors

一、两个方案是什么

Playwright：微软出品的浏览器自动化框架，支持 Python/JavaScript/TypeScript，用 CDP 协议操作浏览器，社区成熟，文档丰富。

agent-browser：Vercel Labs 今年推出的 Rust 原生 CLI 工具，用 CDP 操作浏览器，无其他依赖，自带云端服务集成。

┌─────────────────────────────────────────────────────────────────┐│  Playwright                                              ││  Python / JavaScript                                     ││  90.3k stars（2026-06），Apache-2.0                    │└─────────────────────────────────────────────────────────┘┌─────────────────────────────────────────────────────────────────┐│  agent-browser                                        ││  Rust CLI（npm 安装）                                     ││  35.3k stars，Apache-2.0（2026-06）                   │└─────────────────────────────────────────────────────────┘

二、功能对比

三、架构对比

Playwright 架构

┌─────────────────────────────────────────┐│  你的代码（Python / JavaScript）          │└─────────────────┬───────────────────────┘                  │                  ▼┌─────────────────────────────────────────┐│  Playwright SDK                          ││  - 浏览器管理（launch/close）            ││  - 元素定位（selector/xpath）            ││  - 上下文管理（context）                 ││  - 等待/重试逻辑                         │└─────────────────┬───────────────────────┘                  │ CDP                  ▼┌─────────────────────────────────────────┐│  Chromium（本地或远程）                   │└─────────────────────────────────────────┘

●SDK 层厚：提供了完整的 API 抽象，用起来方便

●协议层透传：底层还是 CDP，但封装得很好

●本地/远程皆可：可以连本地浏览器，也可以连remote-debugging-port

agent-browser 架构

┌─────────────────────────────────────────┐│  你的代码（任何语言）                     ││  调用 agent-browser CLI                 │└─────────────────┬───────────────────────┘                  │                  ▼┌─────────────────────────────────────────┐│  agent-browser（Rust原生CLI）            ││  - 命令行接口（snapshot/click/fill）     ││  - CDP直连                              │└─────────────────┬───────────────────────┘                  │ CDP                  ▼┌─────────────────────────────────────────┐│  Chromium（本地或云端）                  ││  - Browserless / Browserbase            ││  - Browser Use / Kernel / AgentCore      │└─────────────────────────────────────────┘

●CLI 层薄：Rust 写的，执行快，无运行时依赖

●云端原生：-p 参数直接切换云服务提供商

●通过子进程通信：其他语言通过 spawn 调用 CLI

四、云端服务支持对比

这是两者差距最大的地方。

Playwright 云端支持

# Playwright 需要自己接云服务，示例Browserbasefrom playwright.sync_api import sync_playwrightwith sync_playwright() as p:    browser = p.chromium.connect_over_cdp("wss://browser.cloud/playwright")    page = browser.new_page()    # ...

需要自己处理：

●WebSocket 连接管理

●云服务的认证和会话保持

●重连和错误处理

agent-browser 云端支持

# 一行切换云服务提供商export BROWSER_USE_API_KEY="***"agent-browser -p browseruse open https://example.com

原生支持 5 种云服务：

对于云端 Agent 来说，这个差异很大——Playwright 要自己造轮子，agent-browser 拿过来就能用。

五、安装和使用体验

Playwright 安装

# Pythonpip install playwrightplaywright install chromium# 或 Node.jsnpm install playwrightnpx playwright install chromium

首次安装要下载浏览器，大约 150MB。

agent-browser 安装

# 一条命令npm install -g agent-browseragent-browser install  # 自动下载Chrome# Homebrew（macOS）brew install agent-browser# 或 Cargo（Rust）cargo install agent-browser

安装体验差异：

●agent-browser 安装更快（Rust 二进制），但需要 Node.js 24+

●Playwright 安装稍慢，但语言选择更多（Python/JS/Java/C#/Go）

六、日常使用对比

Playwright 操作示例

from playwright.sync_api import sync_playwrightwith sync_playwright() as p:    browser = p.chromium.launch(headless=True)    context = browser.new_context()    page = context.new_page()    page.goto("https://example.com")    page.fill("#username", "user")    page.fill("#password", "pass")    page.click("#submit")    page.wait_for_load_state("networkidle")    page.screenshot("result.png")    browser.close()

agent-browser 操作示例

# 一系列CLI命令agent-browser open https://example.comagent-browser fill @e2 "user"          # @e2 是snapshot返回的refagent-browser fill @e3 "pass"agent-browser click @e4agent-browser wait 3agent-browser screenshot result.pngagent-browser close

或者用聊天模式（AI直理解）： ⚠️待实测

agent-browser open https://example.comagent-browser chat "帮我填用户名user，密码pass，然后登录"

设计思路差异：

●Playwright 是库，用代码控制，适合复杂逻辑

●agent-browser 是工具，用命令控制，适合 AI 调用

七、适用场景对比

选 Playwright 的情况

✅ 需要跨浏览器（Chromium + Firefox + WebKit）✅ 团队有Python/JavaScript技术栈✅ 需要复杂操作逻辑和错误处理✅ 需要深度定制（如自己实现stealth）✅ 已有项目在用，不想切换技术栈✅ 需要在Jupyter/REPL里交互式操作

选 agent-browser 的情况

✅ 云端AI Agent（Serverless / K8s / OpenSandbox）✅ 需要快速接云端浏览器服务✅ 用Claude/Cursor等Agent直接操作浏览器✅ 追求轻量、启动快、无依赖✅ 团队是Node.js生态✅ 需要profile持久化（登录态复用）✅ 只需要 Chromium，不需要Firefox/WebKit

八、快速决策树

你的场景？│├── 用什么语言？│   ├── 非Python/JS → agent-browser（CLI通用）│   └── Python/JS → 继续判断│├── 需要多浏览器（Firefox/WebKit）？│   ├── 需要 → Playwright ✅│   └── 不需要 → 继续判断│├── 主要在哪运行？│   ├── 本地开发 / 自己的服务器│   │   ├── 复杂业务逻辑 → Playwright ✅│   │   └── AI Agent 调用 → agent-browser ✅│   ││   └── 云端Serverless / K8s│       ├── 追求快速集成 → agent-browser ✅│       └── 追求成熟稳定 → Playwright ✅│└── 需要接哪个云服务？    ├── Browserless/Browserbase/Browser Use/Kernel/AgentCore    │   └── agent-browser（原生支持）✅    └── 其他方案 → Playwright（自己接SDK）

九、关键区别总结

十、今天的判断

如果你在选型阶段，核心判断就一句话：

云端 AI Agent 优先考虑 agent-browser（轻量+云端集成好），复杂项目或需要多浏览器选 Playwright（成熟+生态完善）。

两者也可以混用——本地开发用 Playwright 调试，云端部署用 agent-browser 执行。

下期预告

路线选定之后，下一篇开始真正的实操——agent-browser快速上手，让AI学会"点击"。

相关笔记

●[[09-AI_Agent浏览器操作框架]] — 感知→理解→规划→执行→验证