企业官网建设流程全解析

1. 从 RPA 和 Selenium 迁移时，我到底在痛什么

如果你做过两年以上自动化，大概率经历过这样的循环：RPA 里拖拽出来的流程，业务页面一改版就全红；Selenium 脚本里写满time.sleep(3)，跑一次要十分钟，失败率还高得离谱。RPA 的问题在于它把「界面坐标」当契约，Selenium 的问题在于它把「DOM 结构」当契约，而这两样东西恰恰是前端迭代中最不稳定的部分。

MCP（Model Context Protocol）加 Playwright 的组合，换了一个思路：不再让脚本去死记元素路径，而是让模型理解「我要做什么」，再由 Playwright 去执行浏览器动作。Playwright 本身自带自动等待、多浏览器内核、网络拦截能力，比 Selenium 的显式等待稳得多；MCP 则把「模型决策」和「浏览器执行」拆成两个可独立调试的进程，出问题时你能清楚知道是模型理解错了，还是页面真的没加载出来。

这套方案适合谁？适合已经写过 Selenium 或 RPA、想把手动维护脚本的精力转移到「描述任务」上的开发者；也适合需要做数据采集、表单填报、页面巡检，但不想再被 XPath 和 iframe 折磨的人。下面我从环境准备开始，把 MCP 服务端配置、Playwright 启动参数、统一 Key 接入，以及三步验证动作完整走一遍。

2. TaoToken 前置：统一 Key 与 MCP 服务端骨架

MCP 服务端要调用模型能力，就得有一个稳定的 API 入口。我试过把 Key 散落在各个脚本里，后来统一收敛到 TaoToken 的 API 地址https://taotoken.net/api，配合一个 Key 管理多个模型调用，省去了到处改配置的麻烦。你可以在控制台创建 Key，然后把它写进 MCP 的配置文件里。

先看 MCP 服务端的config.toml骨架。这个文件决定了 MCP Server 启动时加载哪些工具、用哪个模型端点、超时和重试怎么设：

# config.toml - MCP Server 配置骨架 [server] name = "playwright-mcp" version = "0.1.0" transport = "stdio" # 本地开发用 stdio，部署可换 sse log_level = "info" [model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "${TAOTOKEN_API_KEY}" # 从环境变量读取，不要硬编码 model = "claude-sonnet-4-20250514" max_tokens = 4096 timeout_seconds = 60 retry = 2 [playwright] headless = true browser = "chromium" viewport_width = 1440 viewport_height = 900 navigation_timeout = 30000 action_timeout = 15000 [tools] enabled = ["navigate", "click", "fill", "screenshot", "extract_text"]

这里有几个点值得展开。transport = "stdio"表示 MCP Server 通过标准输入输出和客户端通信，适合本地调试；如果你要远程调用，可以改成sse并配端口。api_key用${TAOTOKEN_API_KEY}占位，实际运行时从环境变量注入，避免 Key 进版本库。model字段填你实际要用的模型名，TaoToken 的 API 兼容 OpenAI 格式，所以provider写openai-compatible即可。

环境变量这样设置：

# Linux / macOS export TAOTOKEN_API_KEY="sk-你的Key" # Windows PowerShell $env:TAOTOKEN_API_KEY="sk-你的Key"

如果你还没创建 Key，去控制台的 API Keys 页面生成一个，权限选「模型调用」就够了，不需要开管理权限。这一步做完，MCP 服务端就有了调用模型的能力，接下来配 Playwright 的浏览器启动参数。

3. 可复制配置：Playwright 启动参数与 MCP 工具注册

Playwright 的启动参数直接决定自动化稳不稳。默认配置下，Chromium 以 headless 模式启动，但很多页面会检测 headless 特征并返回不同内容。我的做法是保留 headless 但加上一组反检测参数，同时把slow_mo设小一点方便观察：

# playwright_launcher.py from playwright.sync_api import sync_playwright def launch_browser(): pw = sync_playwright().start() browser = pw.chromium.launch( headless=True, args=[ "--disable-blink-features=AutomationControlled", "--no-sandbox", "--disable-dev-shm-usage", "--disable-gpu", "--window-size=1440,900", ], slow_mo=50, # 每步操作间隔 50ms，便于调试 ) context = browser.new_context( viewport={"width": 1440, "height": 900}, user_agent=( "Mozilla/5.0 (Windows NT 10.0; Win64; x64) " "AppleWebKit/537.36 (KHTML, like Gecko) " "Chrome/124.0.0.0 Safari/537.36" ), locale="zh-CN", timezone_id="Asia/Shanghai", ) context.set_default_timeout(15000) context.set_default_navigation_timeout(30000) return pw, browser, context

--disable-blink-features=AutomationControlled是减少自动化特征的关键参数，配合自定义 user_agent，能显著降低被识别概率。--disable-dev-shm-usage在容器环境里防止共享内存不足导致崩溃。slow_mo只在调试时开，生产环境设 0。

接下来把 Playwright 动作注册成 MCP 工具。MCP 的工具定义是一个 JSON Schema，描述工具名、参数和返回值。下面是一个navigate工具的注册示例：

# mcp_tools.py from mcp.server import Server from mcp.types import Tool, TextContent server = Server("playwright-mcp") @server.list_tools() async def list_tools(): return [ Tool( name="navigate", description="打开指定 URL 并等待页面加载完成", inputSchema={ "type": "object", "properties": { "url": {"type": "string", "description": "目标网址"}, "wait_until": { "type": "string", "enum": ["load", "domcontentloaded", "networkidle"], "default": "networkidle", }, }, "required": ["url"], }, ), Tool( name="extract_text", description="提取页面中指定选择器的文本内容", inputSchema={ "type": "object", "properties": { "selector": {"type": "string"}, "all": {"type": "boolean", "default": False}, }, "required": ["selector"], }, ), ] @server.call_tool() async def call_tool(name: str, arguments: dict): if name == "navigate": page = get_current_page() page.goto(arguments["url"], wait_until=arguments.get("wait_until", "networkidle")) return [TextContent(type="text", text=f"已打开 {arguments['url']}")] if name == "extract_text": page = get_current_page() if arguments.get("all"): texts = page.locator(arguments["selector"]).all_inner_texts() else: texts = [page.locator(arguments["selector"]).inner_text()] return [TextContent(type="text", text="\n".join(texts))] raise ValueError(f"未知工具: {name}")

wait_until="networkidle"比 Selenium 的implicitly_wait聪明得多，它会等网络请求静默后才继续，动态加载的页面也能抓到。工具注册完，MCP 客户端就能用自然语言触发这些动作了。

4. 验证请求：三步确认调用链路正常

配置写完不代表能跑，我习惯用三步验证法确认整条链路。第一步启动 MCP 服务，第二步跑一个最小抓取脚本，第三步看日志确认模型调用和浏览器动作都发生了。

4.1 第一步：启动 MCP 服务

# 确保环境变量已设置 echo $TAOTOKEN_API_KEY # 启动 MCP Server python -m mcp_server --config config.toml

正常启动后终端会输出类似：

[INFO] MCP Server playwright-mcp v0.1.0 starting... [INFO] Transport: stdio [INFO] Model endpoint: https://taotoken.net/api [INFO] Tools loaded: navigate, click, fill, screenshot, extract_text [INFO] Server ready, waiting for requests...

如果卡在Model endpoint那行不动，多半是 Key 没读到或网络不通。先确认echo $TAOTOKEN_API_KEY有输出，再检查base_url有没有拼错。

4.2 第二步：跑通首个页面抓取脚本

写一个最小客户端，通过 MCP 协议让模型决定抓什么，Playwright 执行：

# first_scrape.py import asyncio from mcp import ClientSession, StdioServerParameters from mcp.client.stdio import stdio_client async def main(): params = StdioServerParameters( command="python", args=["-m", "mcp_server", "--config", "config.toml"], ) async with stdio_client(params) as (read, write): async with ClientSession(read, write) as session: await session.initialize() # 让模型理解任务：打开页面并提取标题 result = await session.call_tool( "navigate", {"url": "https://example.com", "wait_until": "networkidle"}, ) print("导航结果:", result.content[0].text) result = await session.call_tool( "extract_text", {"selector": "h1", "all": False}, ) print("页面标题:", result.content[0].text) asyncio.run(main())

运行python first_scrape.py，预期输出：

导航结果: 已打开 https://example.com 页面标题: Example Domain

这一步跑通，说明 MCP 工具注册、Playwright 启动、页面加载三个环节都正常。

4.3 第三步：确认调用链路日志

把config.toml里的log_level临时改成debug，重启服务后再跑一次脚本，你会看到类似日志：

[DEBUG] Received tool call: navigate [DEBUG] Model request -> https://taotoken.net/api/v1/chat/completions [DEBUG] Model response: 200 OK, tokens used: 312 [DEBUG] Playwright: page.goto(https://example.com) [DEBUG] Playwright: navigation completed in 842ms [DEBUG] Tool result returned to client

重点看三行：Model request确认请求打到了 TaoToken 的 API；Model response: 200确认鉴权和模型调用成功；Playwright: navigation completed确认浏览器动作执行完毕。三行都在，链路就是通的。如果Model response返回 401，检查 Key；返回 429，说明触发限流，降低并发或换时间段。

5. 本篇常见错排查

迁移过程中我踩过的坑集中在几个地方，列出来供你对照。

报错ModuleNotFoundError: No module named 'mcp'：MCP 的 Python SDK 还在快速迭代，用pip install mcp装最新版，如果和 Playwright 版本冲突，先建虚拟环境再装。Playwright 需要额外执行playwright install chromium下载浏览器内核，只装 pip 包不装内核会报Executable doesn't exist。

页面抓到的内容是空的：八成是wait_until设成了load，而目标页面是前端渲染的。改成networkidle，或者显式等某个选择器出现：page.wait_for_selector(".content", timeout=10000)。Selenium 迁移过来的同学容易习惯性加time.sleep，在 Playwright 里应该用wait_for_selector或expect断言。

MCP 服务启动后客户端连不上：transport设成stdio时，客户端必须用同样的 stdio 方式启动子进程，不能一个用 stdio 一个用 sse。如果你在容器里跑，注意 stdio 需要保持进程存活，别让主进程提前退出。

模型返回的指令 Playwright 执行不了：这是工具 schema 定义太宽泛导致的。比如click工具只接受selector字符串，模型可能返回一段自然语言描述。解决办法是在工具description里写清楚参数格式，并给几个示例，模型会照着格式输出。

Key 泄露风险：永远不要把 Key 写进config.toml提交到 Git。用环境变量或.env文件，并把.env加进.gitignore。TaoToken 控制台可以随时吊销旧 Key，怀疑泄露就立即轮换。

6. 接入文档与后续动作

三步验证跑通后，你手里就有了一套可用的 MCP + Playwright 自动化骨架。接下来要做的，是把具体业务动作注册成更多 MCP 工具，比如表单填报、文件下载、截图对比。每加一个工具，都按「定义 schema → 实现 Playwright 动作 → 用 debug 日志验证」的流程走一遍，链路清晰，出问题也好定位。

如果你在配置 Key 或接入 MCP 时遇到鉴权、超时、限流这类问题，可以直接查接入文档，里面有各语言 SDK 的示例和错误码说明。需要生成或轮换 Key 就去 API Keys 页面。想先验证模型对话是否正常，可以用模型对话页面发一条测试消息，确认 Key 和端点都通。长期做编码和 Agent 任务的话，Coding Plan 页面有更完整的额度方案，适合把自动化任务跑在稳定配额上。

从 RPA 和 Selenium 迁过来，最大的心态转变是：不再追求「一次写对脚本」，而是把任务描述清楚，让模型和 Playwright 去处理页面变化。脚本维护量降下来之后，你才有精力去做真正有价值的自动化设计。