#浏览器自动化 · AI 短帖与讨论

OpenAI 推出了 WebMCP，让 Agent 能直接操控浏览器。

MCP（Model Context Protocol）之前主要是本地工具调用，现在 OpenAI 把它扩展到了 Web 端。

核心能力：
• 直接读取和操作浏览器 DOM，不需要截图+OCR
• 支持复杂交互：点击、输入、滚动、表单提交
• 和 Codex、Notion、Tab 等工具联动
• 10 行代码就能接入现有 Agent

这意味着什么？

以前让 AI 操作网页，要么用 Playwright 写脚本，要么靠视觉模型猜位置。现在 Agent 可以直接"看懂"网页结构，精准操作。

应用场景：

• 自动化测试：直接操作 UI，不用写 XPath
• 数据采集：结构化提取网页内容
• 工作流自动化：自动填表、提交、下载

当然，安全是个问题。Agent 能操控浏览器，意味着也能做坏事。OpenAI 加了权限控制，但具体怎么防滥用，还得看实际运行。

GitHub：github.com/openai/webmcp

你们会让 Agent 操控自己的浏览器吗？

#WebMCP #OpenAI #Agent #浏览器自动化