给 Agent 装上浏览器：Playwright CLI 与 Web Access

Playwright CLI：让 Agent 自己验收自己写的网页#

仓库：microsoft/playwright-cli

Playwright 本身大家应该并不陌生，它一直都是 Web 自动化和端到端测试领域的常用工具。

而这个 Playwright CLI，则可以理解成：

把 Playwright 变成了一套专门方便 Coding Agent 调用的命令行接口。

例如：

1
playwright-cli open http://localhost:4321 --headed
2
playwright-cli snapshot
3
playwright-cli click e12
4
playwright-cli screenshot

于是以前的开发流程可能是：

1
Agent 写代码
2
↓
3
Agent：理论上应该没问题
4
↓
5
我打开浏览器
6
↓
7
页面炸了

现在可以变成：

1
Agent 写代码
2
↓
3
Agent 自己打开浏览器
4
↓
5
自己点按钮
6
↓
7
自己看 Console
8
↓
9
自己截图
10
↓
11
发现炸了
12
↓
13
自己回去修

突然有了一种“终于学会自己检查作业”的欣慰感。

尤其适合前端项目。

比如我平时折腾博客时，可以直接要求 Agent：

修改完成后启动开发服务器，使用 Playwright CLI 打开页面，检查桌面端和移动端布局，实际测试修改过的交互，发现问题自行修复。

这样就能形成真正的：

编码 → 浏览器验证 → 修复 → 再验证

闭环。

Playwright CLI 还提供了截图、Network、Console、Trace、视频录制、Storage、Cookie 等能力，所以相比单纯“能打开网页”，它更像是一套 Agent 专用的浏览器调试工具箱。

Web Access：让 Agent 真正学会上网#

仓库：eze-is/web-access

如果说 Playwright CLI 更偏“浏览器工程工具”，那么 Web Access 的野心明显更大。

它并不只是教 Agent 怎么点网页。

它考虑的是另一个问题：

AI 到底应该怎样使用互联网？

Web Access 本质上是一个 Agent Skill。

里面包含了一整套联网策略，例如根据情况决定使用：

1
Web Search
2
Web Fetch
3
curl
4
Jina
5
浏览器 CDP

比如查普通资料，没必要启动浏览器：

1
搜索 → 找到官网 → 抓取正文

如果只是读一篇文章，也可以先转换成 Markdown，省下一大堆 Token。

但如果遇到：

• 需要登录的网站
• 动态页面
• 管理后台
• 小红书一类静态抓取困难的平台

它才会升级到真正的浏览器操作。

这种感觉很像给 Agent 配了一个“联网调度器”。

最大的区别：它直接用你的浏览器#

Web Access 有一个特别有意思，同时也需要格外谨慎的能力：

通过 CDP 直接连接 Chrome 或 Edge。

这意味着它可以使用你当前浏览器里的登录状态。

例如你的 Edge 已经登录：

1
GitHub
2
博客后台
3
某个管理平台

Agent 连接之后，不需要重新输入账号密码。

对于需要登录的网站来说，这体验非常舒服。

相比之下，Playwright CLI 更倾向于：

1
Agent
2
↓
3
自己的 Playwright 浏览器 Session

而 Web Access 是：

1
Agent
2
↓
3
我的 Edge
4
↓
5
我的登录状态

能力自然强很多，但权限也大很多。

所以如果真的长期使用，我个人反而更推荐专门创建一个：

1
Agent Browser Profile

只登录 Agent 真正需要使用的网站。

不然哪天 Agent 一转头看见浏览器里开着邮箱、学校后台和各种账号……

嗯。

还是给彼此保留一点私人空间比较好。

两个工具其实并不冲突#

最开始看到它们时，我也以为是二选一。

后来发现其实完全可以同时存在：

1
                 Agent
2
                   │
3
        ┌──────────┴──────────┐
4
        │                     │
5
   Playwright CLI         Web Access
6
        │                     │
7
   前端开发验证           普通联网任务
8
   UI 自动测试            搜索资料
9
   Console                登录网站
10
   Network                浏览器操作
11
   Screenshot             信息收集

我的理解是：

Playwright CLI 解决“如何可靠地操作浏览器”。

而：

Web Access 解决“什么时候以及怎样使用互联网”。

所以如果是 Coding Agent：

Playwright CLI 很适合直接作为开发工具链的一部分。

而 Web Access 更像是给 Agent 补上一套完整的联网能力。

最后#

现在 Coding Agent 的发展方向越来越有意思了。

以前我们给 AI：

1
代码
2
终端
3
Git

现在开始继续往外补：

1
浏览器
2
搜索
3
登录状态
4
网页交互
5
视觉反馈

Agent 也就从：

“根据代码推测页面应该正常。”

逐渐进化成：

“我刚刚亲自打开看了一下，确实正常。”

虽然只差几个字，但对实际开发体验来说，已经完全不是一回事了。

至于下一步……

大概就是 Agent 看完自己写的前端之后，沉默两秒，然后主动说：

“这个按钮确实有点丑，我再改一下。”

那一天应该也不远了。