让 Agent 在网页上做事，常见卡点是：知道要点“搜索”，却没有准确定位到那个按钮。

微软的 Playwright MCP 把网页里的按钮、输入框、链接整理成结构化快照，让 Agent 根据角色、名称和目标引用操作浏览器。

举个概念示意：快照里有“关键词输入框 [e11]”和“搜索按钮 [e12]”，Agent 填写关键词、点击 e12，再读取页面状态。如果引用已经失效，工具会提示重新抓快照；也可以使用唯一选择器定位。

源码能确认的是这套“读结构→定位→操作→再查看”的机制。表单是否保存、记录是否创建，仍要继续核验业务结果，不能只看点击有没有报错。

适合有清楚控件语义的网页检索、后台表单和测试。画布、自定义控件可能表达不完整；登录、验证码和网站限制仍会影响流程。项目提供可选视觉工具。

Apache-2.0许可；模型API／订阅、本地浏览器资源和远程服务器成本另计。若Agent使用云端模型，页面快照可能随请求出站，已有登录态也要按账号和权限范围使用。

仓库：网页链接关键实现：网页链接