Puppeteer驱动MCP Server上线：真浏览器自动化支持AXTree与视觉模式

想用AI自动点外卖、抢票、填表、爬竞品价格？别再写脆弱的Selenium脚本了——Puppeteer驱动的MCP Server正式上线（[yitb.com/mcp-puppeteer](https://yitb.com/mcp-puppeteer)）。

它不模拟API，也不靠“截图+OCR”黑盒推理。这是全球首个真浏览器自动化MCP Server：基于Puppeteer Core 23.6，直接注入可访问性树（AXTree），把网页结构实时转成LLM能理解的JSON Schema——按钮、输入框、表格、状态变更全部可编程识别。关键支持**可选视觉模式**：需要时调用轻量级ViT-Base模型（<120MB）做局部截图理解，比如验证码区域、动态弹窗、CSS混淆按钮。不强制视觉，但随时可切，延迟压到380ms内（实测Chrome DevTools Protocol直连）。

工程上严格遵循MCP v0.4.2 + A2A扩展规范：  
- `/mcp/tools` 返回标准化工具描述  
- `/mcp/notify` 支持异步事件回调（如“订单提交成功”触发微信通知）  
- 所有响应字段与Claude-3.5-sonnet、Qwen2.5-72B、OpenClaw-1.2的上下文协议原生对齐  

插件开发者只需写一个 `tool.json` 定义参数，Server自动注册为MCP Tool；Agent框架（如LangGraph、LlamaIndex MCP Adapter）零适配接入。

实战效果直接可见：  
- 某电商比价Agent用它3小时重写流程：从“人工翻页→截图→OCR→Excel整理”，变成“调用 `navigate_to_url` + `extract_table_data` + `compare_prices` 三步链式调用”，日均抓取2.3万SKU，毛利提升17%（客户数据，已脱敏）  
- 某政务代办SaaS将“社保资格认证”流程自动化：Puppeteer MCP识别页面动态token、自动上传身份证照片、监听 `aria-live` 区域确认结果，单次任务耗时从11分钟缩至92秒，客户续费率+24%


![配图](https://yitb.com/usr/uploads/covers/cover_mcp_20260713_081535.jpg)

部署极简：  

npm install -g @yitb/mcp-puppeteer-server
mcp-puppeteer-server --port 3001 --visual-mode=optional --max-concurrent=5

启动后，`curl http://localhost:3001/mcp/tools` 即得完整工具列表。核心Adapter已开源（[GitHub: yitb/mcp-puppeteer-adapter](https://github.com/yitb/mcp-puppeteer-adapter)），含TypeScript类型定义、错误重试策略、超时熔断逻辑——不是Demo，是生产级Server。

这不是玩具。它是Agent协议落地的“钢筋”：让网页操作从“不可靠猜测”变成“可验证、可审计、可计费”的原子能力。当你的Agent要真正替人办事，它必须看得清、点得准、等得稳、错得明。

下一步：  
1. 访问 [yitb.com/mcp-puppeteer](https://yitb.com/mcp-puppeteer) 下载Server二进制包  
2. 运行 `mcp-puppeteer-server --demo` 启动带真实京东登录页的交互Demo  
3. 在你的LangChain Agent里加一行：`MCPTool.from_url("http://localhost:3001")`，立刻获得真浏览器自动化能力