附录 B 工具速查

附录 B 工具速查

前半本主角加基建成员的一页速查。定位与许可为写作口径（2026-10-16 社区口径，stars 仅作量级参考），API 细节以各自官方文档为准；商业服务的数字为官网口径。选型先回正文：语法层看第 1 章，各流派看第 2 至 5 章，基建看第 7 章。

〇、环境速览

双栈安装的起点命令（版本锁定与详细说明见第 0.2 节，以下为速记）：

# setup_quick.sh —— 双栈速装（写法示意，以官方文档为准）
# Python 栈
python -m pip install "browser-use==0.13.13" langchain-openai
python -m playwright install chromium
# Node 栈
npm install @browserbasehq/stagehand@3.7.3 zod playwright
npx playwright install chromium
​

模型密钥一律走环境变量注入（第 0.2、7.1 节）；靶场按第 0.2 节结构表自制，所有示例打在其上。

一、速查总表

二、逐条一句话

• browser-use（约 11.8 万 stars）：元素标注加索引点击的循环内核，敏感数据机制与确认门内建，API 迭代快、版本要锁死（第 0.2 节纪律）。
• Stagehand（版本口径见第 0.2 节）：act/extract/observe 三原语的 SDK 形态，observe 缓存支撑渐进式固化，与 Playwright 原生代码同进程混写。
• Playwright MCP（约 3.8 万 stars）：微软官方的无障碍快照服务器，编码 Agent 的标准浏览器工具面；快照是文本、token 最省。
• Chrome DevTools MCP（约 5.4 万 stars）：Chrome 官方调试通道，网络请求、控制台、性能面板的独占视野，与 Playwright MCP 是分工不是竞争。
• Midscene（约 1.5 万 stars，字节出品）：ai、aiQuery、aiAssert 三件套，视觉定位、中文文档第一梯队，E2E 桥的主力（第 9.2 节）。
• Skyvern（约 2.3 万 stars）：工作流描述任务、自带浏览器集群的服务形态；AGPL-3.0 注记——网络服务形态有更重的开源义务，引入前由法务做许可评估是必做动作（第 5.3 节四项材料）。
• steel-browser（约 0.8 万 stars，steel-dev 出品）：自托管的 Agent 浏览器沙箱，会话供给开箱即用，数据面不出域；社区常将其视为 Browserbase 的自托管替代。
• Browserbase（商业 SaaS，官网口径月 3500 万以上会话、约 1 万客户）：托管会话的规模、稳定性与指纹一致性供给；合规边界不因托管而消失（第 7.3 节）。
• AgentQL（约 1.5 千 stars）：用类自然语言查询定位页面元素的工具，适合与结构化路线搭配做语义定位的补充；细节以官方仓库为准。

三、按需求选工具

 你的需求                                首选（出处）
 ─────────────────────────────────────────────────────
 跑通一个全自主任务                      browser-use（第 2 章）
 把流程写进代码、逐步固化                 Stagehand（第 3 章）
 给编码 Agent 配浏览器                    Playwright MCP（第 4.2 节）
 排查网络与性能问题                       DevTools MCP（第 4.3 节）
 Canvas 或无语义页面的操作                Midscene（第 5.2 节）
 运营流程交给服务工作流                   Skyvern（第 5.3 节，先过 AGPL 评估）
 自建 Agent 浏览器沙箱                   steel-browser（第 7.2 节）
 弹性并发、不想背运维                     Browserbase（第 7.3 节）
 自然语言进 E2E 测试体系                  Midscene（第 9.2 节）
 语义定位的查询语言补充                   AgentQL（本附录）
​

四、形态光谱一图

 形态光谱：谁拥有循环，谁拥有浏览器（第 5.3 节的速览版）

 库（你都有）              工具服务器（你有 Agent）     服务（它都有）        地基（只出浏览器）
 ├─ browser-use            ├─ Playwright MCP           ├─ Skyvern*          ├─ Browserbase
 ├─ Stagehand              └─ DevTools MCP             │  （AGPL 注记）      └─ steel-browser
 └─ Midscene                                           └─ 自托管工作流引擎
     │────────────── 交出去的东西从左到右递增 ──────────────▶│
​

读法：向右走，接入更省心、托管更完整；向左走，可控性与可观测性（第 11 章的主题）留在自己手里。多数团队的终态是混合：核心流程在库侧、弹性并发在地基侧。

五、版本纪律三条

• 依赖锁定：requirements 与 package.json 写死版本号，不追最新；本书示例的版本口径见第 0.2 节。
• 升级走流程：先读官方更新日志，再跑自己的回归任务集（第 9.1 节），后换版本。
• 示例免责：本书全部框架代码均为「写法示意」，参数名与导入路径以各官方文档为准——browser-use 经历过 3.x 到 0.x 的重构式换代，任何教程都不该假装永久有效。

六、口径与免责

• stars 与「约 X 万」的数字均为 2026-10-16 社区口径，只作量级参考，不作选型依据；Browserbase 的会话量与客户数为官网口径。
• 许可以各仓库当前声明为准（尤其 Playwright MCP 与 DevTools MCP 的许可类型随版本可能调整）；AGPL-3.0 的义务评估请交给法务角色。
• 所有工具的 API 名称、参数、版本以官方文档为准——本书全部代码标注「写法示意」，这是第 0.2 节版本纪律的延续。
• 形态光谱（库、工具服务器、服务、地基）与「谁拥有循环、谁拥有浏览器」的完整论述见第 5.3 节，本表是它的检索友好版。