Есть два способа дать агенту управлять браузером. Первый напрашивается сам: снимаем скриншот, показываем модели, она говорит "нажми на синюю кнопку слева", мы переводим это в координаты и кликаем. Работает, пока кнопка не переехала на десять пикселей, пока рядом не появилась вторая синяя, пока страница не отрисовалась чуть медленнее обычного.
Второй способ - отдать модели не картинку, а структуру. Playwright умеет строить дерево доступности страницы: то самое, которым пользуется скрин-ридер. Там у каждого элемента есть роль, имя и ссылка, по которой к нему можно обратиться. Кликать по такому дереву - не угадывание, а адресация.
На этом и построен Playwright MCP. README формулирует прямо: сервер даёт моделям взаимодействовать со страницами через структурированные снимки доступности, "bypassing the need for screenshots or visually-tuned models". Ни компьютерного зрения, ни координат, ни попыток разобрать картинку.
Проект сделан в Microsoft, лежит в организации microsoft и распространяется под Apache-2.0. Эта статья о том, как его подключить, что он даёт агенту и почему авторы сами советуют половине читателей взять вместо него другой инструмент.
Три обещания и одна честная оговорка
Ключевые свойства README перечисляет коротко: быстро и легко, потому что используется дерево доступности, а не пиксели; дружелюбно к модели, потому что не нужны зрительные модели и работа идёт на структурированных данных; предсказуемо, потому что нет неоднозначности, обычной для подходов на скриншотах.
А сразу за этим - раздел, который в README проектов обычно не встречается. Он называется "Playwright MCP vs Playwright CLI" и говорит следующее: если вы используете кодового агента, вам, возможно, лучше подойдёт не этот пакет, а командная строка Playwright со скилами.
Аргумент приводится честный: вызовы командной строки экономнее по токенам, потому что не загружают в контекст большие схемы инструментов и подробные деревья доступности, а позволяют агенту действовать короткими специализированными командами. Для агента, который параллельно держит в голове кодовую базу, тесты и рассуждения, это заметная разница.