AI agent 大模型实战之调用playwright

这门课解决的核心问题是：把大模型变成一个能操作浏览器的自动化执行者。现实中，网页数据采集、表单填写、页面交互等任务，往往需要人工逐页操作，耗时且易错。本课把 playwright 浏览器自动化能力封装成 agent 可调用的工具，让大模型通过自然语言指令直接驱动浏览器完成具体任务，而非依赖固定脚本或

单课价¥29新品上架

会员价 会员免费开通会员，全站课程按额度无限下载套餐详情

201 人关注更新于 2026-10-13 永久有效

发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服联系客服

购买方式开通会员 · 全站免费下单课购买 · 仅本课

支付成功后自动显示网盘下载链接；链接失效可联系客服免费补链，永久有效。

正版保障极速发货售后无忧

这门课解决的核心问题是：把大模型变成一个能操作浏览器的自动化执行者。现实中，网页数据采集、表单填写、页面交互等任务，往往需要人工逐页操作，耗时且易错。本课把 playwright 浏览器自动化能力封装成 agent 可调用的工具，让大模型通过自然语言指令直接驱动浏览器完成具体任务，而非依赖固定脚本或手动点击。

适合什么基础

读者应具备 Python 基础，了解大模型 API 的基本调用方式（如 OpenAI 接口），熟悉 asyncio 异步编程。对 AI agent 框架（如 LangChain）有零散了解即可，不需要系统学完 agent 理论。课程偏工程实现，重点放在"怎么把 playwright 和 agent 串起来"，而非模型原理。

建议先看哪几块

playwright 与 Python 的集成方式：启动浏览器、导航、截图、提取页面元素
将 playwright 封装为 agent 可调用的工具函数：接收用户指令，返回结构化结果
通过 MCP 协议将浏览器工具接入 agent：理解工具注册与调用链路
端到端实战：用 agent 驱动浏览器完成真实网页任务（如登录、抓取数据）

学完能独立做什么

学完本课，读者可以独立搭建一个基于大模型的浏览器自动化流程。具体而言，能用 agent 接收自然语言任务，自动调用浏览器工具完成页面交互，并将结果结构化返回。这类能力可直接落地到数据采集、自动化测试、客服机器人操作后台等场景，形成可复用的工程模块。

资料怎么配合练习

课程配套源码以模块为单位组织，每个核心环节都配有可运行的代码片段。建议按"工具封装 → MCP 接入 → 端到端流程"的顺序对照实践，每完成一个模块就动手跑通，再进入下一节。资料包中的示例代码覆盖了从基础集成到复杂任务的全链路，配合课程讲解即可快速上手，无需额外查阅其他文档。

import asyncio from langchain.agents import create_agent
from langchain_core.messages import HumanMessage, AIMessage, ToolMessage
from langchain_mcp_adapters.tools import load_mcp_tools
from mcp import StdioServerParameters, stdio_client, ClientSession from app.bailian.common import llm async def mcp_playwright_client(): server_params = StdioServerParameters( command="npx", args=["-y", "@executeautomation/playwright-mcp-server"] ) async with stdio_client(server_params) as (reader, writer): async with ClientSession(reader, writer) as session: await session.initialize() tools =await load_mcp_tools(session) print(tools) agent = create_agent( model=llm, tools=tools, debug=True, ) resp = await agent.ainvoke({"messages": [{"role": "user", "content": """ 1 打开百度网页查看上海天气 """}]}) print(resp) asyncio.run(mcp_playwright_client())