让 AI 帮你操作浏览器，市面上已经形成了八条主流路线。每一派的思路都不一样，选错路线，后面全是弯路。
① 传统自动化：Playwright、Puppeteer、Selenium。最成熟的一派，控制精准、确定性高、可测试、可复现，适合固定业务流程和高频批量操作。短板是页面一改版，维护选择器的成本就上来了；遇到完全未知的页面或动态流程，必须引入 AI 才能看懂。业务路径确定的情况下，传统脚本单次执行只有毫秒级、零 Token 消耗，永远比让大模型每走一步都思考一次更快、更便宜。
② CDP + MCP/CLI：Chrome DevTools MCP、Playwright MCP 与 CLI、agent-browser、Browser Harness。核心是把现成浏览器的调试与控制能力包装成 Agent 能调用的标准接口。DevTools MCP 偏网络、控制台和性能调试；Playwright MCP 靠无障碍树快照操作页面；agent-browser 是 Rust CLI，轻量；Browser Harness 专注控制本机真实、已登录的 Chrome。生态成熟、开箱即用，但 CDP 只是底层通信协议，不是开箱即用的完整 Agent 浏览器产品，每步操作塞进过多数据，很容易把上下文撑爆。
③ 浏览器插件：OpenCLI、Kimi Browser Extension、ChatGPT Browser Extension、Claude in Chrome、Nanobrowser。思路很聪明：日常 Chrome 里早就登录好了各种网站，何必在隔离沙箱里重新启动一个浏览器？插件配合本地 Bridge 服务，直接把现有浏览器的控制权借给 Agent，复用所有 Cookie 和认证会话。其中 OpenCLI 值得留意：它能把高频网站封装成可重复调用的本地 CLI 命令，优先借助页面已有的网络响应提取结构化数据，Agent 从每次重新看页面，升级为直接调用沉淀好的网站能力。优势是门槛极低、复用登录态方便；短板是扩展权限要求高，受宿主浏览器稳定性和兼容性制约，高并发或长期无人值守任务需要专门设计防故障机制。
④ 原生 Agent 浏览器：Ego Lite、BrowserOS neo。不再给 Chrome 套插件，而是直接基于定制的 Chromium 内核构建面向 Agent 的运行时。Ego Lite 在浏览器内部直接内嵌 Node.js，让 Agent 批量执行 JS 逻辑；提供浏览器原生的 Snapshot，大幅降低页面理解成本；开辟独立 Space，支持 Agent 和人类用户并行操作；复用真实登录态，遇到复杂验证码允许随时人机接管；通过 Skill 机制对接不同的 Coding Agent。开源策略上两者分了叉：Ego Lite 的 Harness 和 Skill 开源、浏览器核心闭源；BrowserOS neo 走了完全开源的定制构建路线。
⑤ AI 自主操作：Browser Use、Stagehand、Skyvern、Jev Ultrafast。Browser Use 强调端到端全自主探索，适应能力强，但在复杂长链路任务中 Token 开销大、结果有波动；Stagehand 走混合路线，已知固定步骤用代码写死、未知动态节点交给 AI 决策，同时支持结构化数据提取；Skyvern 更偏企业级复杂业务流，视觉模型加工作流引擎驱动；Jev Ultrafast 把动作空间和交互元素极度压缩，压低推理延迟和 Token 成本，但覆盖的网页复杂度还相对有限。实际工程里，确定性脚本加 AI 动态兜底的混合方案，往往可靠性更高。
⑥ 云端浏览器：Browserbase、Steel Browser、Cloudflare Browser Run。任务从单机走向云端批量运行，核心矛盾就不再是单纯点击页面，而是浏览器实例的并发调度、资源隔离、会话持久化、代理轮换、防封禁与故障恢复。Browserbase 提供全托管的云端基础设施；Steel Browser 支持自托管部署并提供管理 API；Cloudflare Browser Run 让浏览器直接跑在其全球边缘网络上，兼容 CDP、Playwright、Puppeteer 和 Stagehand 等多种接入方式。这派替开发者兜住底层运维复杂度，代价是云端账单开销和多租户安全隔离的复杂性。
⑦ 专业数据采集：Crawl4AI、Firecrawl。核心目标只是大批量扒取网页并做结构化清洗，没必要动用通用 Agent 去模拟鼠标点击。这类工具针对大规模抓取、动态渲染、噪声剔除以及 Markdown 和 JSON 转换做过深度优化，吞吐量和成本远优于通用浏览器方案。但遇到强交互或复杂登录拦截的网站，通用浏览器控制依然不可替代。
⑧ 正在演进的底层标准：WebMCP。Google 和微软等正在推动的浏览器原生 Agent 接口标准，让网站自身通过标准化接口把可执行能力直接暴露给 Agent，免去模型在前端猜按钮位置、算坐标的黑盒困境。目前仍处于早期试验阶段，距离全网普及还有很长的路要走。
实际工程里怎么选？稳定的端到端测试与固定自动化任务，选 Playwright；需要接管本地已登录的日常 Chrome，选 OpenCLI、Browser Harness 或 Kimi 扩展；希望 Agent 和真人能在同一浏览器里并行协作，选 Ego Lite 或 BrowserOS neo；需要自由探索陌生站点，选 Browser Use；开发可维护的混合型自动化工具，选 Stagehand 配合 Playwright；企业内部的复杂长链路业务，选 Skyvern；服务器端高并发多实例任务，选 Browserbase、Steel 或 Cloudflare Browser Run；海量公开网页抓取与知识库清洗，选 Crawl4AI 或 Firecrawl。