★ FEATURED ARTICLE 这两年想给 Web 自动化挑个工具比以前要难了。以前好办无非在几个老框架里挑挑来挑去最后无非也就 Playwright 和 Selenium 两派。现在打开任何一份工具清单一半以上是带 AI 特性的新面孔腾讯、微软、亚马逊都在往里挤开源的工具star 涨得一个比一个快比如腾讯 6 月放出来的 BrowserSkill三个月就冲到七千多star了。变化最大的点是 Coding Agent 出来之后工具的用法跟着变了。以前的框架是给人写脚本用的每一步点击、每一次输入都要自己写成代码选择器一写死页面改个版脚本就挂。现在的工具反过来了一句自然语言说出要干什么模型自己看页面、自己找按钮文案改了也认得。浏览器自动化这件事从写代码变成了下指令。今天给大家分享 20 款 Web 浏览器自动化工具几乎涵盖了目前市面上最主流常用的浏览器自动化工具合集了为了方便区分按用法大体分为四类。工具排名不分先后想到哪写到哪一、传统自动化框架先从六个传统框架说起。后面三类工具中一半以上都是基于传统框架演变的browser-use和Nova Act包着 PlaywrightNotte 的 patchright 是 Playwright 的分支Stagehand 建在 Playwright 上。名字大家都熟接下来挑重点说。01 Playwright微软的跨浏览器自动化框架整个工具清单里被依赖最多的一个。微软出品截止目前已经有96,651 个 star三大浏览器引擎全支持。自动等待、失败回放、脚本录制这些测试刚需都内置了写起来快挂了好排查。新项目不知道选什么选它基本不会错。官网地址https://playwright.dev开源地址https://github.com/microsoft/playwright值得补充下Playwright 发展到今天已经不是单一框架是一套工具集官方按用途分了五块。Playwright Library最底层的自动化库写脚本、爬数据直接调它Playwright Test在库之上加了测试框架跑用例、并行、出报告都是它管Playwright MCP让 Cursor、Claude 这类客户端用自然语言指挥浏览器Playwright CLI给 Claude Code、Copilot 这类终端 agent 命令行调用省 tokenVS Code 扩展装进编辑器写用例、调试、跑测试一站完成写测试选 Test写脚本选 Library给 agent 配手就用 MCP 或 CLI后面第 09、10 节会把这两个单独展开。02 Selenium最经典的Web自动化框架W3C WebDriver 标准就是从它这套体系来的。语言支持最全Java、Python、C#、Ruby 都是一等公民。强项是兼容和存量。配合 Grid 能把用例分发到几十台机器、几十种浏览器版本上并行跑浏览器兼容测试是它的主场。会它的人也最多教程、问答、现成方案堆成山团队换人接手成本最低老项目和多语言团队到现在都离不开它。官网地址https://selenium.dev开源地址https://github.com/SeleniumHQ/selenium03 PuppeteerChrome DevTools 团队出品Chrome DevTools 团队官方出品95,618 个 star最早把 CDP 底层协议用起来的就是它。强项在轻和快。一个浏览器实例能开几十上百个页面内存占用小一台机器并发跑上千个页面不难无头模式跑起来跟普通进程一样塞进服务器定时任务很自然。DevTools 里能干的事它基本都能干性能采集、请求拦截都是现成 API。爬虫、网页截图、生成 PDF 这些活用它最多但在测试圈反而出镜率一般。官网地址https://pptr.dev开源地址https://github.com/puppeteer/puppeteer04 Cypress跑在浏览器里的测试框架测试代码直接跑在浏览器里报错时每个时间点的页面快照都能回放排错像放录像前端工程师写它最顺手。开发体验是它最下功夫的地方。代码一保存测试自动重跑写用例像写热更新的脚本。接口可以随意 stub填一个假响应就绕开后端还没渲染出来的状态也能提前断言。要说短板跨域访问和多标签页是它的软肋。官网地址https://cypress.io开源地址https://github.com/cypress-io/cypress05 WebdriverIO一套框架管三端一套框架管三端Web、手机 App、桌面应用全覆盖端多的团队用它省掉几套技术栈。组织能力强。用例能按设备、按浏览器分组一次配置几十种环境批量跑失败截图、测试报告、接进持续集成的路子都是现成的插件装上就用人少端多的团队维护成本压得最低。官网地址https://webdriver.io开源地址https://github.com/webdriverio/webdriverio06 TestCafe不用装驱动不用装任何浏览器驱动任意浏览器、远程机器、手机真机都能直接跑环境配置全省。内置自动等待由DevExpress 维护。免驱动还有一层好处。同一个用例本地 Chrome、远程 Linux、手机真机跑的都是同一份脚本环境之间不用各配一遍。一条命令还能同时开几个浏览器并发跑同一批用例跨浏览器回归一次完成怕折腾环境的人会喜欢它。官网地址https://testcafe.io开源地址https://github.com/DevExpress/testcafe二、给 Coding Agent 装的工具CLI 和 MCP接下来给大家推荐几款可以直接装在 Claude Code、Codex、Cursor 这类 Coding Agent 身上让 Agent 直接替你操作浏览器。接法分两种CLI 是命令行调用MCP 是挂进客户端的服务一个省 token一个上手快。07 BrowserSkill把已登录的浏览器借给 Agent今年 6 月份才开源三个月冲到了 7,168 个 star腾讯出品MIT 协议。它解决的就是登录这道坎。Agent 不用再开一个干净的无头浏览器去硬闯扫码和滑块而是直接借用你日常在用的 Chrome登录态、cookie 全都现成人登录过的系统它抬手就进。思路是把最难的部分交还给人。验证码、扫码、风控这些 agent 搞不定的环节你自己登录一遍剩下的交给它。公众号后台、企业内网这些没有开放 API 的地方特别合适要 agent 替你操作这类要登录的系统选它最省事。开源地址https://github.com/Tencent/BrowserSkill08 BrowserAct专门对付风控和验证码专攻反爬封锁这一段。CLI 是商业产品配套 Skill 仓库开源2026 年 2 月建仓七个月 6,007 个 star。突破验证码和风控只是基础细节做得比较全。任务卡住可以暂停转人工人处理完接着跑长任务不用人盯着。多任务并行、多账号会话隔离采集和批量操作的重活扛得住还提供 n8n 工作流组件能接进现有的自动化流程。要常跑外站采集、总被风控纠缠的团队重点看它之前写过它的安装实战这里不展开。官网地址https://browseract.com开源地址https://github.com/browser-act/skills09 Playwright MCP微软官方的 MCP 服务Cursor、Claude 这类客户端接浏览器的默认选择微软官方出品一年半涨到 37,554 个 star。页面信息用无障碍树喂给模型比截图省也稳元素有角色有名字点哪个填哪个说得清误操作比看图少。装好就能用一句自然语言指挥浏览器配置方法官方文档写好了几步跟着做就行。探索页面、调试流程、批量改数据这类活最合适。开源地址https://github.com/microsoft/playwright-mcp10 Playwright CLI微软新发的命令行工具官方定位说得很清楚MCP 要往上下文里塞工具清单和无障碍树太烧 token了而CLI模式直接走命令行调用同样的活花得更少。常用操作都做成了短命令开页面、点按钮、填表单、读内容agent 一步一步调每步只带回需要的结果重度 agent 用户和长任务最适合。开源地址https://github.com/microsoft/playwright-cli这里把 CLI 和 MCP 怎么选也额外补充一下。两个都是属于Playwright工具体系下的接法不同。MCP 是挂进客户端的常驻服务工具清单和页面快照塞在上下文里每一步都能在客户端里可视化确认适合在 Cursor、Claude 这类对话式客户端里做页面探索、调试和临时操作。CLI 是按次调用的命令行agent 敲一条命令拿一段结果适合写进 Claude Code、Codex 这类终端 agent 的日常工作流任务越长、批量越大token 的差距越明显。随手用、要人机来回确认选 MCP长任务、固定流程、token 预算紧选 CLI。11 Browser MCP装个扩展就能用门槛最低的一个Chrome 装个扩展就能用操作的就是你日常那个浏览器书签、登录态全在。但需要说明一下从2025 年 4 月后项目没再更新了。从安装到能用不超过十分钟扩展装好、客户端一连就能开干。深度能力别指望但想先体验一下 agent 开浏览器再决定要不要上重型方案它是最合适的起点。官网地址https://browsermcp.io开源地址https://github.com/BrowserMCP/mcp三、写代码调用AI 自动化框架接下来给大家分享几个自动化框架通过写代码调用把 AI 的自然语言和视觉能力嵌进自动化工程里TypeScript、Python 都有适合要长期维护这套东西的团队。12 Stagehand写进代码里的浏览器 Agent把 agent 能力做成 act、extract、observe 几个原语嵌进 TypeScript 代码写代码的人保留主控权。底层使用PlaywrightMIT协议。亮点是容错和工程的结合。你写点击登录按钮文案从「登录」改成「立即登录」它照样点得中extract 抽数据也是一句话说清要什么字段页面结构变了不用重写选择器。代码本身是普通 TypeScript版本管理、代码审查、持续集成这些配套照常用AI 的灵活和工程的稳定可以一起要。官网地址https://stagehand.dev开源地址https://github.com/browserbase/stagehand13 browser-usestar 数最高的一个这批工具里 star 最高的一个11.6 万2024 年 10 月由 Gregor Müller 和 Magnus Žunič 两个人发起。Python 库几行代码起一个自然语言 agent你下指令它自己拆成点击和输入。模型不挑OpenAI、Claude、开源模型都能接自带视觉能力看得懂页面截图。生态也热闹命令行工具、云服务、和 LangChain 这类编排框架的集成都有现成的踩了坑基本都能搜到答案做 agent 原型第一个试它。官网地址https://browser-use.com开源地址https://github.com/browser-use/browser-use14 Skyvern不看 DOM 看截图别的工具读 DOM它直接看截图交给视觉模型页面再乱、内容画在 canvas 里也不影响不依赖选择器特别适合没人维护的内部老系统定位偏 RPA。每一步操作和截图它都记下来任务跑完能完整回放卡在哪一步一眼看到人工审核有据可查。任务还能编排成工作流登录、填表、下载串成一条链表单搬运、批量文档操作这类重复劳动很合适。注意 AGPL 协议商用要掂量。官网地址https://skyvern.com开源地址https://github.com/Skyvern-AI/skyvern15 Midscene.js字节出品的 AI 测试工具字节 Web Infra 团队出品中文文档齐全国内团队上手成本最低。特色是按测试思路设计YAML 写用例、自然语言写断言跑完有可视化报告AI 每一步点了哪里、为什么这么判断都能回放。除了写代码它还提供浏览器扩展装上就能在页面上直接下指令体验不用先搭工程。一套 API 覆盖 Web、移动和桌面三端测试团队最顺手的一个。官网地址https://midscenejs.com开源地址https://github.com/web-infra-dev/midscene16 Nova Act亚马逊的官方 SDK亚马逊官方 SDKPython 写的底下包着 Playwright深度绑定 AWS 生态官方示例直接演示 agent 调 IAM 管 S3账号、权限、存储这些周边对 AWS 团队全是现成的。它主打可靠官方说法是模型会对每步动作自评再执行长链条任务不容易跑偏。官网地址https://nova.amazon.com/act开源地址https://github.com/aws/nova-act17 Notte压缩 DOM 省上下文在浏览器和模型之间加了一层感知层把整页 DOM 压成摘要再喂给模型同样的任务 token 开销小一截。会话跑在云端起一个浏览器几秒就绪配了隐身和验证码处理登录类站点也能对付底层用的是 Playwright 的隐身分支。长任务跑下来token 账单和响应速度两头都占便宜适合已经跑通流程、被成本烫到的团队。官网地址https://notte.cc开源地址https://github.com/nottelabs/notte四、把浏览器搬上云端Agent 跑浏览器有三个新需求并发要大IP 要干净验证码要能过。自己机房养浏览器集群是最重的一种活于是有了这一类把浏览器做成云服务API 一调就拿到一个现成会话用完即毁。但这一类大多是商业产品大家了解一下即可。18 Browserbase万级并发的云浏览器Stagehand 的母公司SDK 开源圈开发者浏览器云收费。官网写着支持一万以上并发会话API 起一个会话只要几行代码。会话相互隔离每个 agent 一个干净环境自带代理和隐身处理封 IP 的风险低还能录像回放出问题不用猜。几百个 agent 并发跑采集或操作任务的团队就是给它准备的。官网地址https://www.browserbase.com19 Steel能自托管的浏览器云整套开源Apache-2.0 协议既能用官方云也能整套部署到自己机器上数据不出门。官方定位是给 Agent 和 App 的浏览器沙箱会话即起即用断线能重连日志和截图齐全排错省事。自托管一套 Docker 就能跑在自己服务器上合规要求高、数据不能出公司的团队这一层里最值得看它。官网地址https://steel.dev开源地址https://github.com/steel-dev/steel-browser20 Hyperbrowser给 Agent 的现成浏览器官网一句话就给出了定位Browser Infra for AI Agents。API 随取随用的云端浏览器Puppeteer、Playwright 脚本直接接上去就能跑验证码处理和隐身会话都提前配好不用自己碰基础设施。简单需求还有现成的抓取接口和 MCP 端点一个请求进去页面数据直接返回接进 Claude 这类客户端也顺。商业服务想把 agent 任务快速跑起来的团队从它上手很快。官网地址https://hyperbrowser.ai这么多工具该怎么挑传统那一类最好办。新项目直接 Playwright存量项目接着用 Selenium爬虫、截图这类轻活交给 Puppeteer。给 coding agent 配手先试微软官方那两款。在 Cursor、Claude 里临时指挥浏览器Playwright MCP 装上就能跑任务长、token 预算紧、要写进固定工作流的换 Playwright CLI。官方两款之外按短板补要登录态、进内网用 BrowserSkill 接管日常在用的 Chrome常跑外站采集、总被风控拦的选 BrowserAct。要写代码把 AI 嵌进工程的先分清自己做的是哪件事。做 agent 原型、验证想法优先用 browser-use生态最大踩了坑基本都能搜到答案。测试团队想把 AI 引进回归用Midscene 阻力最小YAML 用例、中文文档、可视化报告都是现成的主力回归照样用 Playwright 或 Cypress 上AI 层先做辅助断言。最后说句泼冷水的。新工具如果还在 0.x 版本star 数代表近期热度高但并代表稳定性。拿它们短期提效试试水可以但真想拿它们扛核心回归最好先小范围跑三个月再定。工具不在多在于适配自己能解决自己的问题才是好工具新东西冒出来先想清楚它是给谁用的往哪一类放用起来心里才有数。
阅读完成 · 觉得有帮助？
