MCP简介：从浏览器截图的自动化说起

在当今 AI 飞速发展的时代，大型语言模型 (LLM) 如 Claude、ChatGPT 等已经在代码生成、内容创作等方面展现出惊人的能力。然而，这些强大的模型存在一个明显的局限性------它们通常与外部系统和工具隔离，无法直接访问或操作用户环境中的资源和工具。

而 Model Context Protocol (MCP) 的出现，正是为了解决这一问题。

什么是MCP？

Model Context Protocol (MCP) 是由 Anthropic 公司推出的一个开放协议，它标准化了应用程序如何向大型语言模型 (LLM) 提供上下文和工具的方式。我们可以将 MCP 理解为 AI 应用的"USB-C 接口"------就像 USB-C 为各种设备提供了标准化的连接方式，MCP 为 AI 模型提供了与不同数据源和工具连接的标准化方式。

简单来说，MCP可以做到以下事情：

读取和写入本地文件
查询数据库
执行命令行操作
控制浏览器
与第三方 API 交互

这极大地扩展了 AI 助手的能力边界，使其不再仅限于对话框内的文本交互。

MCP的架构

以上图片来源于 MCP 官方文档

MCP 的架构相对简单，主要包含两个核心组件：

MCP 服务器 (Server) ：提供工具和资源的服务端，可以使用任何编程语言实现，只要能够通过 stdout/stdin 或 HTTP 通信。
MCP 客户端 (Client) ：使用 MCP 服务器提供的工具和资源的 AI 应用，如 Claude Desktop、Cursor 编辑器等。

MCP 服务器向客户端提供两种主要能力：

工具 (Tools)：可执行的函数，允许 AI 执行特定操作
资源 (Resources)：提供给 AI 的上下文信息，如文件内容、数据库结构等

浏览器自动化：MCP的实际应用

为了更直观地理解 MCP 的强大之处，让我们看一个案例：使用 Playwright MCP 服务器进行浏览器自动化。

Playwright 是一个由 Microsoft 开发的浏览器自动化工具，可以控制 Chrome、Firefox、Safari 等主流浏览器。通过 Playwright MCP 服务器，我们可以让 AI 助手直接操作浏览器，执行各种任务。

先讲讲使用场景

博客写作。当我写博客时，我需要打开浏览器，打开目标网站，然后截图，并保存到本地特定的目录中，并在 markdown 中引用图片地址。
端到端测试。当我需要测试网站时，我需要打开浏览器，打开目标网站，然后进行一些操作，比如填写表单、点击按钮等。就算有 Playwright 的测试框架，但仍需要人工介入，比如自定义 data-cy，浏览器操作一遍保存 playwright 的测试代码并扔给 cursor 生成测试。

场景一：博客写作的图片自动化

作为技术博主，我经常需要在文章中引用网站截图来说明问题或展示效果。在传统流程中，这个过程相当繁琐：

打开浏览器访问目标网站
使用截图工具截取所需区域
保存截图到特定目录
处理图片（可能需要裁剪、压缩等）
在 Markdown 文件中手动添加图片链接
确认图片正确显示

这个过程不仅耗时，而且容易出错。使用 Playwright MCP，整个流程可以简化为：

bash 复制代码

请访问 https://tailwindcss.com，截取首页顶部导航栏区域，保存到 @public/images/ 下，并生成 markdown 图片引用代码

Cursor 通过 MCP 协议会：

自动打开网站
精确定位并截取导航栏元素
保存到指定目录
自动生成符合博客格式的图片引用代码

这不仅节省了时间，还保证了图片引用的一致性和准确性。对于需要多张截图的长篇技术文章，效率提升尤为显著。

更进阶的应用还包括：

自动为截图添加高亮或注释
对比同一网站在不同设备上的显示效果
跟踪网站的 UI 变化并自动更新文章中的截图

场景二：端到端测试的自动化

端到端测试是前端开发中的重要环节，但传统方式存在诸多痛点：

繁琐的测试编写 ：即使使用 Cypress 等工具，编写测试脚本仍需要手动规划测试路径、定位元素、设计断言等
元素选择器维护 ：需要在代码中添加特定属性（如 data-cy）用于测试，且这些选择器需要随着 UI 变化而维护
测试代码与产品代码分离：测试逻辑往往与开发逻辑分离，导致测试更新滞后于功能更新
复杂交互流程难以模拟：多步骤的用户操作（如表单填写、多页面导航）需要精确编排

即便使用 Chrome 的 DevTools 的 Recorder 功能，也只能生成 Playwright 的测试代码，并且需要人工介入，比如自定义 data-cy，浏览器操作一遍保存 playwright 的测试代码并扔给 cursor 生成测试。

或者通过 cursor 与 recorder 提效后的环节：

让 cursor 在关键位置插入 data-cy 属性
使用 Chrome DevTools 的 Recorder 功能生成测试代码
将测试代码扔给 cursor 生成测试

而通过 Playwright MCP，开发者可以自然语言描述测试场景，让 Cursor 直接生成并执行测试：

bash 复制代码

用户：测试我的登录流程：访问 http://localhost:3000/login，使用测试账号 [email protected] 和密码 Test123!，验证登录成功后页面应跳转到仪表盘并显示欢迎信息

Cursor 会：

在必要位置插入 data-cy 属性
自动访问登录页面
填写表单并提交
验证跳转和欢迎信息
报告测试结果
生成可复用的 Playwright 测试代码

这种方式不仅降低了编写测试的门槛，还能根据测试结果智能调整测试策略。例如，如果登录按钮位置变化，Cursor 可以通过视觉识别重新定位元素，而不是简单地报告选择器失效。

对于快速迭代的项目尤其有价值：

在代码修改后立即验证功能完整性
快速生成回归测试套件
模拟复杂的用户行为路径
根据用户反馈自动创建针对性测试

这两个场景说明，MCP 不仅仅是连接 AI 与工具的技术桥梁，更是能够实质性改变开发者工作流程的革新力量。通过消除重复性工作，开发者可以将更多精力集中在创意和解决问题上。

示例：使用executeautomation/mcp-playwright

executeautomation/mcp-playwright 是一个基于 Playwright 的 MCP 服务器实现，它提供了一系列工具，使得 AI 助手能够：

打开网页
截取网页或元素截图
填写表单
点击按钮
提取网页内容
执行 JavaScript 代码
等待网页加载或元素出现

下面以一个简单的场景为例：让 AI 助手打开一个网站并截图。

传统方式下，这个任务可能需要你：

安装 Playwright
编写自动化脚本
配置环境
运行脚本
处理截图结果

而使用 MCP，整个过程可以简化为与 AI 助手的对话：

用户：请打开 Google 首页并截图

AI 助手：好的，我将为您打开 Google 首页并截图。
$AI 助手通过 MCP 控制浏览器，打开 google.com 并截图$
AI 助手：已成功截图，这是 Google 首页的截图。[显示截图]

整个过程中，用户不需要编写任何代码，AI 助手通过 MCP 服务器直接控制浏览器完成任务。

Playwright MCP 服务器的安装与配置

如果你想尝试使用 Playwright MCP 服务器，可以按照以下步骤进行设置：

使用 npm 安装 Playwright MCP 服务器：
bash 复制代码
```
npm install -g @executeautomation/playwright-mcp-server
```
配置 Claude Desktop 客户端（以 MacOS 为例）：编辑配置文件 ~/Library/Application\ Support/Claude/claude_desktop_config.json，添加以下内容：
json 复制代码
```
{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["-y", "@executeautomation/playwright-mcp-server"]
    }
  }
}
```
重启 Claude 客户端，你会看到一个新的 "Attach MCP" 按钮。
点击该按钮，选择 Playwright MCP 服务器，现在你的 AI 助手就可以控制浏览器了！

在 Cursor 中使用 Playwright MCP

Cursor 是一款集成了 AI 能力的代码编辑器，它也支持 MCP 协议。我们可以在 Cursor 中配置 Playwright MCP 服务器，使 AI 助手能够在开发过程中直接操作浏览器。

配置步骤

首先确保已安装 Playwright MCP 服务器：
bash 复制代码
```
npm install -g @executeautomation/playwright-mcp-server
```
在 Cursor 中配置 MCP 服务器，有两种方式：

方式一：通过配置文件（推荐）

编辑 ~/.cursor/mcp.json 文件（如果不存在则创建），添加以下内容：
json 复制代码
```
{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["-y", "@executeautomation/playwright-mcp-server"]
    }
  }
}
```
方式二：通过项目配置

在项目根目录下创建 .cursor/mcp.json 文件，内容同上。这样配置的 MCP 服务器只在当前项目中可用。
重启 Cursor 编辑器，使配置生效。

使用场景示例

在 Cursor 中使用 Playwright MCP 可以大大提升前端开发和测试效率。以下是一些常见的使用场景：

快速页面测试：

在开发 Web 页面时，可以让 AI 助手直接打开页面，检查渲染效果，无需手动切换到浏览器。

用户：请打开我当前开发的页面 http://localhost:3000，检查响应式布局在移动设备上的显示效果

Cursor：[通过 Playwright MCP 打开页面并进行移动设备模拟，然后截图展示结果]
自动化截图对比：

在进行 UI 改动时，可以让 AI 助手截取改动前后的页面对比图。

用户：我刚修改了导航栏的样式，请打开 http://localhost:3000，截图并与 production 环境 myapp.com 的页面进行对比

Cursor：[使用 Playwright MCP 分别截取两个环境的页面，并进行对比分析]
交互测试：

让 AI 助手模拟用户交互，验证功能是否正常工作。

用户：请测试我的登录表单，打开 http://localhost:3000/login，使用测试账号填写表单并提交，检查是否成功登录

Cursor：[使用 Playwright MCP 打开页面，填写表单并提交，验证登录流程]
开发过程中的实时调试：

在编码过程中，可以让 AI 助手实时检查页面变化。

用户：我刚刚修改了 Button 组件的样式，请打开组件预览页面检查不同状态下的按钮外观

Cursor：[打开页面，截取不同状态的按钮截图，并分析样式是否符合预期]

通过这些场景，我们可以看到，Playwright MCP 在 Cursor 中的应用不仅简化了前端开发工作流，还提供了更直观的开发体验，让 AI 助手成为开发过程中的得力助手。

MCP 的优势与局限性

优势

扩展 AI 能力：让 AI 助手能够与外部系统交互，大大扩展其应用场景
标准化接口：提供统一的协议，降低 AI 工具集成的复杂度
安全可控：用户可以审核 AI 助手的操作请求，确保安全
灵活扩展：可以根据需要开发自定义 MCP 服务器

局限性

新兴技术：MCP 仍处于发展早期，协议可能会变化
远程开发限制：MCP 服务器需要在本地机器上运行，远程开发环境可能存在问题
资源支持 ：部分 MCP 客户端如 Cursor 尚未支持 resources/prompts 功能

Cursor 的 MCP 支持限制：

未来展望

MCP 作为一种连接 AI 与外部系统的标准化协议，有着广阔的应用前景：

智能化开发工作流：AI 助手可以更深入地参与到开发流程中，自动化执行测试、部署等任务
数据分析与可视化：AI 助手可以直接访问数据库，生成分析报告和可视化结果
跨平台自动化：统一的协议使 AI 助手能够操作不同平台和工具
个性化智能助手：用户可以配置自己的 MCP 服务器，创建专属于自己工作流的 AI 助手

结语

Model Context Protocol (MCP) 正在打破 AI 助手与外部世界之间的壁垒，使 AI 能够更加深入地融入我们的工作流程。从浏览器自动化到代码编辑器集成，MCP 展示了 AI 与传统工具结合的强大潜力。

以前可以说，Cursor 虽然代码敲的好，但它不能直接操作浏览器，不能直接操作数据库，不能直接操作文件系统，开发这个流程还是需要我频繁接手的。

现在来说，需要我们接手的次数会越来越少。

最后再推荐两个 MCP 相关的资源：