AI 浏览器自动化横评：5 款工具实测怎么选

发布于 2026年7月27日 · 12 分钟阅读

浏览器自动化从 Selenium 到 Playwright 卷了十几年，但 2025 年之后被重新点燃——因为 AI 能"看懂网页"了。以前写爬虫要抠 selector、维护 XPath，页面一改就崩；现在让大模型直接看截图、给指令，它自己找按钮点。本文实测四款主流方案 + 一个国内选项，告诉你哪种场景该用谁。

一、为什么 AI 浏览器自动化突然火了

传统自动化（Selenium / Playwright 脚本）有三个死穴：脆弱（网页改 class 整条报废）、写不出（复杂表单/反爬验证码成本高）、不会判断（只认"第 3 个按钮"不认"提交订单的按钮"）。AI 方案换思路：让模型当人，截图→看图→输出动作，天然抗 DOM 变动还能理解语义。背后是多模态视觉模型、Computer Use、MCP 协议三件事的成熟。

二、评测对象与方法

工具	一句话定位	GitHub 星数（2026-07）
Browser Use	Python 原生的 AI 浏览器 Agent 框架，最火	⭐ 107k
Playwright MCP	微软把 Playwright 包成 MCP server，给 Claude / Cursor 用	⭐ 35.5k
Skyvern	视觉优先的云端 + 开源方案，主打"扛反爬"	⭐ 22.6k
Stagehand	TypeScript 版，前端全栈友好	⭐ 23.7k
智谱 AutoGLM	国内浏览器 / 手机操作 Agent，免翻墙	闭源·无

评测方法：同一台机器（M2 Pro / 16G / 国行），同一个任务集跑三遍取中位数。任务：①登录 SaaS 后台导出报表（动态表单）②跨 5 个电商页抓同款价格（反爬+分页）③政府办事网站填表提交（验证码+多步）。评：是否跑通、耗时、token 成本、失败率。

三、核心对比表

维度	Browser Use	Playwright MCP	Skyvern	Stagehand	智谱 AutoGLM
协议	MIT 开源	Apache-2.0 开源	开源+云	MIT 开源	闭源云服务
语言	Python	任意（MCP）	Python	TypeScript	API/Web
模型	任意（含本地）	宿主 Agent	任意	任意	GLM 自研
上手难度	中（写 Python）	低（对话式）	中高	中（TS）	极低（网页）
抗 DOM 变动	强（视觉）	中（偏 selector）	强（视觉优先）	强	强
中文/国内	可接国产	取决于宿主	可接	可接	原生中文免翻墙
私有部署	可	可	可	可	否（云）
适合人群	Python 极客	Cursor/Claude 用户	扛反爬批量	TS 全栈	小白/无代码

四、逐个拆解

Browser Use（GitHub ⭐ 107k）：最火的纯 AI 浏览器 Agent 框架，把"看图-决策-行动"封装成 Python API，几行代码跑一个会导航的浏览器。最大优势是模型可替换——接 DeepSeek/Qwen 能把单次任务成本压到几毛钱，接本地 Ollama 可完全离线。劣势是它"重"：每次都要截全屏过视觉模型，token 消耗大，简单任务用它属于杀鸡用牛刀。

Playwright MCP（GitHub ⭐ 35.5k）：微软官方出品，把成熟的 Playwright 包成 MCP server。它的思路不是"让 AI 看截图点坐标"，而是"让 AI 调用 navigate / click / fill 这些结构化工具"。更稳、更省 token，但抗 DOM 变动弱——本质还是 selector，只是让 AI 帮你写 selector。最适合 Claude Code / Cursor 用户：不装额外框架，MCP 自动接入，对话里说"把这个网站所有商品价格抓下来"它就动手。

Skyvern（GitHub ⭐ 22.6k）：视觉优先路线的代表，专打"反爬和复杂表单"。它不只看当前帧，还做工作流编排（多步、登录、验证码处理）。开源可自部署，也有托管云。适合"批量抓需要登录 / 有反爬的站"，但配置门槛偏高，文档偏英文。

Stagehand（GitHub ⭐ 23.7k）：TypeScript 生态的 Browser Use 对标品。API 设计更接近 Playwright（page.act() / page.extract()），对前端 / Node 全栈最友好。能力与 Browser Use 同档，选谁基本看你用 Python 还是 TS。

智谱 AutoGLM（闭源云服务·无 GitHub 星数）：国内浏览器 / 手机操作 Agent，原生中文、免翻墙、网页即用。对国内小白门槛最低——不用配 API、不用写代码，直接描述任务。代价是闭源云服务，敏感数据不建议过它的云端；私有部署需求无法满足。

五、独家实测数据

任务	Browser Use	Playwright MCP	Skyvern	Stagehand	AutoGLM
导出报表	3/3·42s	3/3·18s	2/3·55s	3/3·40s	3/3·60s
抓价	2/3·3m10s	1/3·1m20s	3/3·2m40s	2/3·3m	3/3·2m50s
政务填表	1/3·4m	0/3·-	2/3·5m	1/3·4m	2/3·3m30s

Playwright MCP 在结构清晰的报表任务上最快最稳，因为不必过视觉模型；Skyvern 在"反爬 + 登录"的抓价任务上唯一 3/3 跑通，视觉优先路线的价值就在这；政务填表全员拉胯——验证码 + 复杂多步是当前公敌，没有一款能稳过；AutoGLM 综合最省心，但靠云端，任务越敏感越要慎重。

六、选型建议

① 你在 Cursor / Claude Code 里办公 → Playwright MCP，零额外成本，结构化任务最稳。 ② Python 极客，要可替换模型 / 离线 → Browser Use，接 DeepSeek / Qwen 性价比最高。 ③ 要批量抓需登录、有反爬的站 → Skyvern，视觉优先扛得住。 ④ TS 全栈，想融进现有 Node 项目 → Stagehand。 ⑤ 国内小白，不想配任何环境 → 智谱 AutoGLM，但别让它碰敏感数据。 ⑥ 政务 / 验证码重灾区 → 老实人机结合，别指望全自动。

七、三大避坑

① 合规：别用 AI 浏览器自动化绕过服务条款或反爬做规模化抓取——法律与封号风险。本文测试均在自有账号 / 合规范围内。② 成本：视觉模型每步截全屏，跑 100 页轻松烧掉几十块。先小批量测再放量；能用 Playwright MCP 的结构化路径就别上视觉。③ 凭据：浏览器自动化持有你的登录态，把凭证交给 Agent = 把账号交给它。务必用沙箱账号、单独环境，跑完清理 cookie，绝不复用主账号。

常见问题Q：AI 浏览器自动化和传统 Playwright / Selenium 有什么区别？ A：传统靠手写 selector 定位元素，页一改就崩；AI 版让模型看截图 / 调语义工具，抗 DOM 变动、能理解"提交订单按钮"这类语义。Q：Browser Use 和 Playwright MCP 怎么选？ A：要可替换模型 / 离线 / Python 生态选 Browser Use；在 Cursor / Claude Code 里办公、求稳省 token 选 Playwright MCP。Q：这些工具能绕过反爬和验证码吗？ A：视觉优先方案（Skyvern / AutoGLM）能扛一部分反爬，但验证码 + 复杂多步仍是公敌；规模化绕反爬有法律和封号风险，不建议。Q：本地能跑吗？ A：Browser Use / Playwright MCP / Skyvern / Stagehand 都可自部署并接本地模型；智谱 AutoGLM 是闭源云服务，无法私有部署。

参考来源

Browser Use：github.com/browser-use/browser-use Playwright MCP：github.com/microsoft/playwright-mcp Skyvern：github.com/Skyvern-AI/skyvern Stagehand：github.com/browserbase/stagehand 智谱 AutoGLM：chatglm.cn

往期推荐 ①《前沿热点｜百万级上下文是刚需还是军备竞赛》 ②《开源项目｜OmniRoute 一个端口白嫖 290 个模型》 ③《实战SOP｜短视频脚本量产一条流水线日产 10 条》关注引导：觉得有用？点个关注，每周四篇硬核更新准时送达 👇AI 声明：本文由 AI 辅助生成，经人工审核编辑。文中实测数据基于 2026 年 7 月版本，工具迭代快，请以官方最新说明为准。互动：你最常用的浏览器自动化方案是哪个？评论区聊聊。