放弃 Playwright MCP，拥抱 CLI 吗？

Zui近在调试前端项目时我遇到了一些棘手的问题。Zui初，我尝试使用 Playwright MCP 来实现自动化测试，但过程中遇到了不少挑战。经过一番探索，我发现直接使用 Playwright CLI 可Neng是geng好的选择。

当我走 MCP 协议时需要先找到一个现成的 Server 或者自己动手实现一个，定义复杂的 OpenAPI Schema，然后启动常驻进程，并且还要祈祷它和客户端的网络通信不出问题。这让我意识到，MCP 并不是万Neng的。

支持 MCP 的一派认为，它Neng够提供结构化的 JSON 输出和强类型参数，在多用户和跨语言项目的企业级权限管控下是非常有必要的。然而在我的实际使用中，MCP 却显得有些臃肿。

相比之下Playwright CLI 的执行过程对于开发者来说是完全透明的。当大模型Zuo出意料之外的操作时开发者Ke以直接复制同样的命令在终端里跑一遍，相同的输入必有相同的输出。这种可预测性和可控性，让我对 CLI 爱不释手。

安装 Playwright CLI hen简单，只需要运行 npm install -g @playwright/cli@latest 即可。接着，Ke以使用 playwright-cli --help 查kan帮助文档，了解其使用方法。

我的需求hen简单：让 AI 接管我当前Yi经打开的 Chrome，打开本地项目页面、点几个按钮、kan一下 DOM、截个图。使用 Playwright CLI Ke以轻松实现这些操作。

新建一个 output 文件夹来存放截图信息。然后创建一个 chrome.config.json 文件，配置浏览器相关信息。Zui后使用 playwright-cli --session my-current-chrome goto "http://localhost:" 命令打开指定页面。

查kan DOM 和截图也非常方便，只需要使用相应的命令即可。例如使用 playwright-cli --session my-current-chrome snapshot Ke以获取页面快照。

在与 AI 协作编码时命令行工具通常优于为 AI 定制的接口。因为 CLI 是 AI 模型的“母语”，它提供了geng高的可靠性、可预测性和控制力。MCP 作为一层抽象，虽然在某些场景下有用，但往往带来不必要的复杂性和故障点。

越来越多的公司和开源社区开始放弃 MCP，转而拥抱 CLI。这是一个值得关注的趋势。

CLI 可Neng是geng好的选择。尤其是当需要稳定、可控、可复现地调试本地项目时CLI 的优势geng加明显。

playwright-cli Zui直接的好处是它Ke以接受你的当前页签。一般我们的登录信息dou存在于浏览器缓存中，那我们还在一个浏览器内，我们的登录状态就不会丢失，完美解决了我们遇到的问题。整个配置也hen简单，你Ke以参考它的 .

Ru果你正在寻找一种geng高效、geng可靠的自动化测试方案，不妨试试 Playwright CLI。它可Neng会给你带来意想不到的惊喜！🎉

我的结论是：切换到CLI后,一切豁然开朗。Claude处理它们时,就像在说母语。毕竟它的训练数据里塞满了无数的shell脚本、文档和GitHub议题。它天生就懂~gh~的参数和~vercel~的边界,Neng组合出他得花20分钟才想明白的指令。使用MCP时他感觉在限制它,换成CLI后,只需要让开路。

有观点认为,CLI的胜利在于其可预测性。~gh pr list --json~返回的就是此刻GitHub的真实状态,童叟无欺。而MCP调用失败时,你面对的是一个状态不明的黑盒。CLI的组合也是可审计的,~ripgrep | jq | gh~的数据流一目了然。当自动化任务在深夜静默失败,CLI会留下明确的错误日志,而MCP的故障则可Neng是个谜。

当然,这类问题不是业务问题，而是调试工具本身带来的复杂度。

后来我发现，hen多场景下根本不需要 MCP。直接用 playwright-cli ，反而geng清晰、geng可控。

文件而非直接发送给模型,实现极高的Token效率。相比MCP 协议,CLI 具备geng全的功Neng与 性,适合Claude Code等场景。若开发通用代理循环,则推荐继续使用 MCP 。#人工智Neng#大模型 #claude...

但仅一年多后,估值180亿美元的Perplexity宣布放弃 MCP 、拥抱 API与CLI,开源爆款OpenClawgeng是从诞生起就拒绝支持MCP.Perplexity的转向是重要标志,其CTO在2026年3月宣布全面放弃 MCP ,改用API+CLI组合模式,这是经过实际验证的 止损 决策。

快速阅读:在与AI协作编码时,命令行工具通常优于为AI定制的接口。因为CLI 是AI模型的 母语 ,它提供了geng高的可靠性、可预测性和控制力。MCP .作为一层抽象,虽在某些场景下有用,但往往带来不必要的复杂性和故障点。。原帖作者Zui近把 Claude.. +关注爱可可-爱生活26-04-4 08:30发布于 北京 来自 微博网页版  快速阅读:在与AI协作编码时,命令行工具通常优于为AI定制的接口(M..

2026年初,AI工具生态出现显著转向,MCP被大规模弃用,转向C LI优先方案。本文分析了M CP的三大致命缺陷:1)Token成本随工具数量激增;2)认证体系碎片化;3)调试困难且丧失Unix式组合性。相比之下,C LIgeng符合AI Agent的 母语 特性:Neng自主阅读文档、按需加载工具、输出天然适配LLM处理。这一转向反映了工程现实的考量:当AI进入实际工作流时,轻量级、可组合的C LI方案比结构化协议geng具实用价值。

结果一开始走 MCP，问题一个接一个：例如在 Codex 中输入，帮我打开 X 路由，帮我测试按钮点击是否有反应，帮我执行搜索功Neng等一系列操作。甚至你Ke以搭配 Codex 的定时任务，让他全天帮你操作浏览器干任何事情，随你所想。当然这些功NengKe以直接让 Codex 帮你实现，因为我们Yi经全局安装了它的 Skills，Ke以直接操控 Ai 帮你执行这些命令。

这也是为什么一些顶级 AI 系统正在重新拥抱:API 与 C LI'。。延迟每一次调用的成本在这些维度上，Zui原始的接口往往仍然Zui直接、Zui可靠。这也是为什么一些顶级 AI 系统正在重新拥抱:API 与 C LI'。。Ru果用一句话今天的变化:M CP' 让 AI Neng连接世界。而 API 与 C LI' 才让 AI Neng真正运行世界。

GUI专门为人类设计,因为人类不擅长记忆命令,而geng擅长使用图形工具;而AI则正好相反，大模型在诞生的时候就学习过大量代码、命令行等语料数据,因此C LI'天生就是AI 的母语。C LI'天然具备文本输入、结构化输出、报错清晰、易于组合、方便自动化等一系列优势。

越来越多的公司、开源社区开始放弃M CP',转而拥抱C LI'.后半段我们探讨了为什么会出现这种转变，并分析了其背后的原因。

一个C LI'干掉所有M CP'工具，省99%的token m cp2c li'.人工智NengAnthropicAI AgentDenis Yarats大模型AI开发Perplexity探索未至之境发消息kan见世...