AI 浏览器自动化怎么落地？我对比了 Browser Use、Playwright MCP、Stagehand，踩了 7 个坑

先说结论，别被 demo 骗了。上周三晚上 11 点，我在深圳出租屋用 Browser Use 跑一个 1688 供应商后台的报价抓取，任务只有 9 步：登录、搜索、筛选、翻 3 页、导出。结果跑到第 6 步，页面弹了个“滑动验证”，Agent 开始死循环，20 步 max_steps 烧完，OpenAI 账单多了 0.73 美元，数据一条没拿到。第二天我换成 Playwright 硬脚本 + Stagehand 做选择器修复，同样的任务 42 秒跑完，成本 0.09 美元。这个反差让我重新想一个问题：AI 浏览器自动化到底该用在哪？

先给判断：2025 年这个阶段，纯 Agent 适合 5 到 12 步、低风险、可回滚、页面结构稳定的任务；超过 15 步、涉及支付/发帖/删数据、验证码频繁的，别硬上。真正能落地的是“三层混合”：第一层用 Playwright/Puppeteer 写死主路径，占 70% 到 80%；第二层用 LLM 只处理异常恢复、选择器失效、非结构化字段抽取，占 15% 到 25%；第三层留人工兜底，占 5% 到 10%。我后来把报价抓取改成这个结构，成功率从 42% 拉到 91%，单任务 token 成本从 0.73 美元降到 0.11 美元，平均耗时从 3 分 10 秒降到 47 秒。纯 Agent 不是不能用，是不能当唯一方案。

四个工具拆开看：Browser Use、Playwright MCP、Stagehand、Skyvern

我按 6 个维度测：安装成本、定位策略、视觉能力、MCP 支持、并发/稳定性、许可证和费用。测试环境是 macOS 14.5、Node 20.11.1、Python 3.11.9、Chromium 125、屏幕 1440x900、locale zh-CN、timezone Asia/Shanghai，模型混用 gpt-4o 和 gpt-4o-mini。以下数字是我 2025 年 4 月自己跑出来的，不是官方 benchmark。

Browser Use 的优势是代码短，30 行能跑，缺点是 LLM 每一步都在决策，长任务容易跑偏。我给它设 max_steps=20、timeout=30000ms、retry=2，还是会在弹窗和 iframe 上卡住。Playwright MCP 更像“给 Claude/Cline 装了一双手”，不是自主 Agent；它把页面 accessibility tree 喂给模型，准确率高，但你要在提示词里写清楚“点击角色为 button、名称为登录的节点”。Stagehand 的 act/extract/observe 三件套最像给前端工程师用的，extract 直接按 schema 出 JSON，我抓 20 条商品字段时比纯 DOM 解析省 60% 代码。Skyvern 视觉强，能处理复杂表单，但 Docker 镜像 2.3GB 起，跑 100 个任务内存吃到 4GB，AGPL-3.0 商用要小心。

从 0 跑通 Playwright MCP：我用的 7 个步骤和参数

如果你只想先跑起来，我建议从 Playwright MCP 开始，不要一上来就 Browser Use。步骤 1：装 Node 20.11+，npm i -g @playwright/mcp，然后 npx playwright install chromium。步骤 2：在 Claude Desktop 或 Cline 里加 MCP server，命令是 npx，参数是 -y @playwright/mcp@latest。步骤 3：重启客户端，看到浏览器工具列表再继续。步骤 4：给它第一个任务要窄，比如“打开 example.com，读取 h1 文本，输出 JSON”。步骤 5：提示词里加约束：不要点广告、不要登录、超时 15 秒、每步截图保存到 ./shots。步骤 6：跑 10 次，记录成功和失败步骤，失败最多的步骤改成硬编码。步骤 7：把 storage_state.json 存下来复用登录态，别每次重新扫码。

参数上，我固定 viewport 1440x900，deviceScaleFactor=1，locale zh-CN，timezoneId Asia/Shanghai，headless=False 前 3 次调试，稳定后改 True。超时别用默认 30 秒，抓取类 15000ms 够，表单提交 45000ms。重试 2 次，超过就截图报警。文件下载目录固定 ./downloads，下载前先 page.waitForEvent('download')。并发别超过 3，Chromium 每个上下文约 180-250MB 内存，16GB 机器跑 5 个就开始 swap。如果你用 gpt-4o-mini 做决策，每步 token 约 1200-2500，100 步任务成本约 0.05-0.12 美元；用 gpt-4o 会到 0.4-0.9 美元，差距 8 倍。

踩过的 7 个坑，以及我现在怎么绕

坑 1：登录态丢失。解决：Playwright 用 context.storageState({ path: 'auth.json' })，Browser Use 用 browser_context 复用 user_data_dir。坑 2：验证码。别指望 LLM 打码，接 2Captcha 或人工，成本约 0.5-1.5 美元/1000 次，延迟 10-30 秒。坑 3：动态 DOM。给关键节点加 data-testid，没有就自己注入，比让模型猜 class 稳 5 倍。坑 4：iframe。先 page.frames() 找 url 包含目标域名的 frame，再 locator，别在顶层瞎点。坑 5：反爬。控制频率，同一个域名请求间隔 800-1500ms，随机 200ms，UA 和时区一致。坑 6：成本失控。给 Agent 设 token 预算 8000/任务、max_steps 15，超了直接停。坑 7：无断言。每一步加 expect，比如 expect(page.locator('.price')).toContainText('¥')，失败就回滚，不要继续跑。

我现在最常用的结构是：main.py 里 80% 写 Playwright 硬路径，stagehand.act 只处理“如果出现新弹窗，点关闭”，extract 只处理“把页面表格转 JSON”。这样即使模型抽风，主流程也不会崩。数据落库前加 3 条校验：价格必须匹配人民币符号加数字，带两位小数；SKU 长度必须 8-14 位；库存必须是整数。校验不过的进人工队列。别小看这一步，它把脏数据率从 17% 压到 2.3%。

最后的独立观点：别买“全自动”，买“半自动省人”

如果你问我 2025 年 AI 浏览器自动化最大的误区是什么，我会说：把 Agent 当员工，而不是当实习生。实习生要你给 checklist、给权限边界、给回滚方案。纯 Agent 的 demo 很震撼，但生产环境里，稳定、可审计、成本可控比“全自动”值钱。我的建议是：先找一个每天重复 20 次以上、步骤 8-12 步、不碰钱不碰账号安全的流程，用 Playwright 写死，再用 Stagehand 或 Playwright MCP 补异常。跑两周，看成功率、单任务成本、人工介入次数这三个数。如果成功率低于 85%，先别扩，先改脚本和断言。

适合谁：电商运营抓竞品、SaaS 做回归测试、投研抓公开报表、HR 批量查公开信息。不适合谁：需要绕过强验证码、需要模拟真人社交、涉及支付和删除、法律灰产。最后一句，工具会变，Browser Use、Stagehand、Playwright MCP 都可能半年后换名字，但“主路径硬编码 + 异常 LLM 恢复 + 人工兜底”这个结构，我估计还能用很久。