Playwright MCP 和 CLI 到底怎么选？微软官方的答案，藏在一句话里

同一个 Playwright，微软给 AI 开了两扇门。选错的代价不是"不能用"，而是上下文被撑爆、成本飙升，或者 AI 在关键时刻看不见页面。本文用官方说明和可复现的操作，讲清楚什么时候用哪个。

图片

一、为什么选错会踩坑

1.1 一个很多人撞过的坑

你让 AI 帮你跑一个浏览器测试。前几步很顺，页面打开了、表单填了、按钮点了。再往后，它开始反复问同一个页面的结构，回答越来越短，最后干脆忘了前面做过什么。

这类问题，大多不是模型"变笨"了，而是上下文被塞满了。页面的结构数据、工具的说明、每一步的返回，全都堆在对话里，留给你的代码、测试和推理的空间越来越小。

微软把 Playwright 做成了两种给 AI 用的形态：Playwright MCP 和 Playwright CLI。两者驱动的是同一个 Playwright，区别在于"AI 通过什么接口去碰浏览器"。这个区别，恰好决定了上面那个坑你会不会踩。

1.2 官方的答案：一句话，两个方向

两个仓库的 README 开头，用几乎相同的文字回答了"该用哪个"。我用自己的话转述：

• CLI 的定位：如果你在用编码智能体（Claude Code、GitHub Copilot 这类），CLI 加 Skills 是更合适的选择。原因是命令调用更省 token，它不会把庞大的工具说明和冗长的页面无障碍树塞进模型上下文，智能体可以用简洁的命令完成操作，把宝贵的上下文留给大型代码库、测试和推理。
• MCP 的定位：MCP 仍然有它的位置，适合那些需要持久状态、丰富的页面内省、对页面结构反复推理的专门场景，比如探索式自动化、自愈测试、长时间自主运行的流程。在这些场景里，持续保持浏览器上下文比省 token 更重要。

把这两段压缩成一句话：

写代码、跑测试，用 CLI；让 AI 持续"盯着页面想事情"，用 MCP。

二、本质区别与选型判断

2.1 本质区别：浏览器状态放在哪里

两者的核心差别，一句话就能说清：页面状态放在哪。

用 CLI 时你会看到这样的输出：每条命令之后，返回的是一个快照文件的路径，而不是整页的结构树。AI 想细看，就去读文件，或者用 playwright-cli find "关键词"在快照里搜索，只取需要的片段。

2.2 什么时候用 CLI

1. 你在编码智能体里写、跑、调试 Playwright 测试。这是 CLI 的主场。官方 Skills 里直接带了几类参考指南：运行和调试测试、请求拦截、保存与恢复登录状态、测试的计划、生成与修复、追踪、录视频。

2. 上下文很紧张。你的智能体既要读大型代码库，又要看测试，还要推理，每一点上下文都珍贵。

3. 要进流水线，或者要留下可复查的产物。 CLI 的命令容易写进脚本，截图、追踪、视频、快照文件都落在磁盘上，出了问题可以回头看。

4. 要同时开多个浏览器。 命名会话加 playwright-cli show的可视化面板，可以一眼看到所有在后台跑的会话，必要时还能接管操作。

2.3 什么时候用 MCP

1. 你的客户端没有 shell。 比如聊天式的客户端。CLI 需要智能体能执行命令，没有这个条件，只能走 MCP。

2. 探索式测试。你不知道页面长什么样，也不知道有什么坑，需要 AI 每走一步就看一眼页面，再决定下一步。持续的页面上下文在这里是价值，不是负担。

3. 需要丰富的内省能力。 MCP 通过能力开关提供了网络请求拦截、存储读写、开发者工具、断言验证、生成定位器等工具，按需开启。

4. 长时间自主运行的流程。浏览器上下文需要一直保持，中间不能断。

2.4 三个常见误区

误区一："MCP 已经过时了。"不是。官方原话是它"仍然适用"于特定场景，两者是分工关系，不是替代关系。

误区二："要连接已登录的浏览器，只能用 MCP。"两边都能做。MCP 有 --extension参数，通过浏览器扩展连接已打开的 Edge 或 Chrome；CLI 同样有 attach --extension=chrome 和 attach --cdp=...。别拿这一点做选择依据。

误区三："MCP 一定很费 token。"默认配置下页面快照会随响应返回，确实偏重。但 MCP 也提供了瘦身手段：--snapshot-mode可设为不返回快照，快照工具支持限制深度和保存为文件，还有在快照里搜索的 browser_find，以及用 --caps只开启需要的能力。选 MCP 不等于接受默认配置。

三、两个实战案例

3.1 案例一：用 CLI，让 AI 为 TodoMVC 写并跑 E2E

这是官方 README 里的演示场景，你可以完整复现。

准备：

npm install -g @playwright/cli@latest
playwright-cli install --skills# 把 Skills 装进智能体的工作流

给智能体的提示词（官方示例的中文版）：

使用 playwright-cli 测试 https://demo.playwright.dev/todomvc/ 的"添加待办"流程。
成功和失败的场景都要截图。
可用命令请查看 playwright-cli --help。

智能体实际在做的事，你也可以手动敲一遍（来自官方演示）：

playwright-cli open https://demo.playwright.dev/todomvc/ --headed
playwright-cli type "Buy groceries"
playwright-cli press Enter
playwright-cli type "Water flowers"
playwright-cli press Enter
playwright-cli check e21          # e21 是快照里元素的引用编号
playwright-cli screenshot

这个案例说明了什么：整个过程里，AI 面对的是"命令加文件"。页面的完整结构只在需要时才被读取，大部分上下文留给了测试本身。而且每一步都是可复现的命令，你可以把它沉淀成脚本。

3.2 案例二：用 MCP，让 AI 当探索测试员

场景：一个改版频繁、没有测试文档的页面。你不想先写脚本，想让 AI 先"摸一遍"，找出哪里值得测。

配置（官方标准配置，加上断言验证能力）：

{
  "mcpServers":{
    "playwright":{
      "command":"npx",
      "args":["@playwright/mcp@latest","--caps=testing"]
    }
  }
}

Claude Code 用户也可以直接用 claude mcp add playwright npx @playwright/mcp@latest。

提示词：

你是探索式测试员。请打开注册页，先观察页面结构，列出所有表单项和可交互控件。
然后逐项尝试：空提交、超长输入、特殊字符、重复提交。
每发现一个异常，记录现象、复现步骤和页面当时的状态。不要修改任何代码。

为什么这里适合 MCP：AI 每一步都要基于当前页面决定下一步，持续保持页面上下文是必要的。开启 testing能力后，它还能使用生成定位器、验证文本和元素可见性等工具，把探索中确认的东西固化下来。

一条我建议你记住的工作流（个人判断）：

探索阶段用 MCP，回归阶段用脚本。

MCP 能生成定位器，也能把你手动演示的操作录成 Playwright 代码。把探索得到的结果沉淀成普通测试脚本，放进 CI 里稳定地跑。不要让 AI 每天晚上"现场探索"一遍当回归测试：它慢、贵、不可复现，而且每次可能走不同的路。

四、安全与踩坑

1. MCP 不是安全边界。 官方明确说明，它不应被当作安全隔离手段。来源限制、密钥文件这类配置只是便利功能，不是防线。
2. 有一个危险工具要留意。 MCP 里的browser_run_code_unsafe可以在服务进程里执行任意 JavaScript，官方描述为等同于远程代码执行。给智能体授权时，别把它当普通工具放行。
3. 别拿日常浏览器做自动化。 通过扩展连接已登录的浏览器，意味着 AI 能碰到你真实的登录会话。自动化请用专用测试账号和隔离的配置。
4. 并发会冲突。 MCP 的持久化配置同一时间只能被一个浏览器实例使用，多个客户端同时跑要加--isolated，或指定不同的--user-data-dir。CLI 则默认把配置放在内存里，需要保留时加--persistent。
5. CLI 同样能执行任意代码。 它的eval和run-code命令威力不小，在共享环境里同样要控制权限。

五、决策方法与行业趋势

遇到选择困难时，按顺序问自己：

1. 你的智能体有 shell 和文件系统吗？ 没有，选 MCP。
2. 任务是"写、跑、修测试代码"，还是"让 AI 探索页面"？ 前者 CLI，后者 MCP。
3. 上下文紧不紧？要不要进 CI？ 紧、要进，选 CLI。

两个都符合？用我上面的组合：MCP 探索，沉淀成脚本，CLI 或普通 Playwright 回归。

更靠谱的办法是拿你自己的真实任务各跑一次，用你所用工具的用量统计，对比两种方式消耗的上下文。别人的数字，永远替代不了你项目里的数字。

写在最后

这种"命令行加技能"的形态，正在成为 AI 操作测试对象的一种通用做法。AltTester 给游戏测试做的 CLI，就明确把动机说成：让智能体不必理解图形界面，直接用结构化的命令操作；同时它也提供 MCP 和 Skills 两种接入方式。同一个能力，同时提供命令行和 MCP 两种接口，让用户按场景选，已经是工具厂商的共识。

选工具不必站队。问清楚"我的智能体长什么样、我的任务是什么"，答案自然就出来了。