浏览器自动化一直是AI Agent的”最后一公里”难题。让AI能像人类一样点击按钮、填写表单、抓取数据，技术上远比想象中复杂。2026年3月，Y Combinator孵化的Skyvern发布MCP（Model Context Protocol），号称能让Claude Code和OpenClaw自动操作任何网站——无需预定义XPath，无需针对每个网站写代码。这个开源工具真的能改变游戏规则吗？

一、浏览器自动化的痛点

为什么浏览器自动化这么难？因为现代网站太复杂了。

传统方案的局限

• XPath/CSS选择器：网站一改版就失效，维护成本高
• 录制回放：对动态内容、弹窗、验证码无能为力
• API接口：大多数网站不提供API，或者API功能有限

现有的RPA（机器人流程自动化）工具，如UiPath、Automation Anywhere，虽然功能强大，但价格昂贵、学习曲线陡峭，不适合个人开发者和小团队。

二、Skyvern是什么？

Skyvern是一个开源的AI浏览器自动化工具，核心理念是：让AI像人类一样”看懂”网页，而不是依赖固定的选择器。

核心技术

Skyvern结合了三种技术：

• Playwright：微软开源的浏览器自动化框架，负责底层操作
• 大语言模型：理解页面结构、决策下一步操作
• 视觉识别：截图分析，定位可交互元素

举个栗子：你想让AI在亚马逊上买一本书。传统方式需要预先定义搜索框、加入购物车按钮的XPath。Skyvern的方式是：AI看到页面，理解”这是搜索框”，”这是加入购物车按钮”，然后自主操作。

三、MCP协议：连接AI Agent和浏览器

这次发布的MCP（Model Context Protocol）是重点。它是一个开放协议，让不同的AI Agent都能接入Skyvern的能力。

支持的平台

• Claude Code：Anthropic的AI编程助手
• OpenClaw：开源AI助手平台
• 其他MCP兼容的Agent：协议是开放的，任何人都可以接入

如果你还不了解OpenClaw，可以参考OpenClaw：真正能做事情的 AI 助手，以及Sam Altman 眼中的 OpenClaw。

这意味着什么？

对于OpenClaw用户来说，以后可以直接让AI帮你：

• 自动填写各种申请表单
• 从政府网站抓取数据
• 批量预订机票酒店
• 监控电商网站价格变化
• 自动化软件测试

关于AI Agent的思考，可以参考为什么我坚决反对”多智能体混战”？

四、实际应用案例

Skyvern官方展示了一些典型场景：

1. 自动发票检索

企业财务部门需要从多个供应商网站下载发票。每个网站的界面都不同，传统RPA需要为每个网站写脚本。Skyvern的AI能自适应不同网站，自动完成登录、导航、下载。

2. 政府表单填写

各种政府申报表格，字段多、规则复杂。Skyvern能理解表单要求，自动填写并提交。

3. 医疗系统交互

医院、保险公司的系统通常老旧、没有API。Skyvern可以作为中间层，让新应用能与这些系统交互。

五、开源与商业模式

Skyvern是开源的（GitHub上可以找到），采用Apache 2.0协议。这意味着：

• 个人开发者可以免费使用
• 企业可以自建部署，数据不出内网
• 社区可以贡献代码，扩展功能

Skyvern的商业模式是提供托管云服务，按使用量收费。对于不想自己维护基础设施的用户，这是更省心的选择。

六、局限与挑战

虽然前景广阔，但Skyvern也有明显的局限：

• 速度：AI决策需要时间，比固定脚本慢
• 成本：调用大模型API需要费用，高频使用成本不低
• 验证码：遇到复杂验证码仍需要人工介入
• 安全性：让AI自动操作网银、支付平台，风险如何控制？

结语

Skyvern MCP的发布，标志着浏览器自动化进入了”AI原生”时代。不再是人工写脚本，而是让AI自己学习、自己决策。

对于OpenClaw这样的AI助手平台，Skyvern的能力补齐了”能做事”的最后一块拼图。未来的AI Agent，不仅能聊天，还能真正操作软件、完成任务。

也许不久的将来，”帮我订一张去纽约的机票”这样的指令，真的能一键完成了。