Puppeteer MCP Server上线：让AI真正“看懂”网页的轻量级桥梁

想让Agent自动填表、抓取电商价格、监控竞品改版，却总被JS渲染、动态加载、无障碍结构缺失卡住？别再写一堆page.waitForSelector()和page.evaluate()硬编码了——Puppeteer驱动的轻量MCP Server（v0.3.1）正式上线：yitb.com/mcp-puppeteer

它不是又一个浏览器封装。它是首个原生输出结构化可访问性（A11y）树的MCP实现。启用--a11y后，LLM不再靠猜<div class="price">是什么——它直接收到带role、name、value、hierarchy字段的JSON A11y树。实测在淘宝商品页上，Claude-3.5对“当前促销价”“库存状态”“规格选项”的提取准确率从62%升至94%（200页测试集，人工校验）。

视觉模式（Vision Mode）可选开启：不依赖OCR，用Puppeteer截图 + 本地CLIP-ViT-L推理（CPU仅需4GB内存），生成UI元素级描述。处理含验证码、滑块或Canvas图表的金融后台时，Agent能精准定位“右侧第3个‘导出PDF’按钮”，而不是靠坐标硬匹配。我们用它搭了一个自动比价Agent：每天凌晨爬12家平台SKU，识别价格变动、促销文案变更、限购标识，并推送微信通知——单账号月省人力成本￥3800，已在3个中小电商客户生产环境跑通。

部署只要3步：

# 1. 安装（支持Linux/macOS/Win WSL）
npm install -g @yitb/mcp-puppeteer

# 2. 启动（默认端口3001，兼容MCP v1.0）
mcp-puppeteer --a11y --vision --port 3001

# 3. 在你的Agent中注册（以LangChain为例）
from langchain_community.tools import MCPTool
tool = MCPTool(
    server_url="http://localhost:3001",

![配图](https://yitb.com/usr/uploads/covers/cover_mcp_20260717_081708.jpg)

    tool_name="browser_control",
    description="Navigate, extract A11y tree, or screenshot UI"
)

它有多轻？二进制包12MB，冷启动<800ms，单核CPU可并发处理5个页面。更重要的是——它严格遵循MCP/A2A协议。你的Agent不用改一行代码，就能把旧Selenium流程无缝切换为标准化工具调用。OpenClaw用户已将其集成进自动化客服工单系统，将“查订单状态”类请求响应时间从47秒压到6.3秒。

这不是玩具项目。它是连接真实网页世界与LLM语义世界的最小可行桥梁：

• 够轻，才能塞进边缘设备；
• 够准，才能支撑商业化交付；
• 够标准，才能让不同Agent复用同一套浏览器能力。

当你的Agent第一次靠A11y树精准点击“立即抢购”，而不是靠XPath撞运气时，你就知道——网页自动化终于从“能跑”进入“可信”阶段。

下一步行动：
✅ 访问 yitb.com/mcp-puppeteer 下载CLI或Docker镜像
✅ 运行 mcp-puppeteer --demo 查看实时A11y树输出
✅ 将现有Agent接入该Server，替换所有page.click()硬编码逻辑——我们提供适配指南和3个真实电商场景的完整代码模板（含微信推送、异常重试、截图存档）

别再让LLM在网页里“盲摸”。今天就让它睁开眼。