在多数团队里真正吃掉时间的不是写代码而是每天重复的网页手工操作登录后台、翻页筛选、导出报表、再粘到表格里核对一套动作十几分钟一天重复好几轮。传统 Playwright 自动化脚本解决过一部分问题但它把对页面的假设写死在选择器里一次改版就全线崩商业 RPA 又要学流程设计器、买授权零散的临时需求根本排不上队。本文分享一套用 Codex 驱动浏览器完成自动化任务的落地路径任务指令结构化 MCP 浏览器工具接入 产物级校验与批量编排配置与脚本可直接落地。一、痛点重复网页操作正在吞掉整块时间先看看日常里最烧时间的那类工作到底长什么样手工链路长登录、筛选、导出、粘贴、核对单次十来分钟每天重复多次。脚本太脆用Playwright写死的选择器页面一改版就全线崩维护成本甩回业务侧。RPA 太重商业 RPA 的授权与流程设计器成本高小团队养不起每个临时需求一条流程。打开页面 → 筛选条件 → 导出文件 → 人工核对 → 重复执行核心结论重复、可描述、有明确验收标准的网页任务最适合交给能读懂页面语义的智能体。二、选型对照三条路线的成本结构差在哪同样是让程序去点页面三条路线的长期成本完全不同维度Codex MCP 浏览器Playwright 脚本商业 RPA上手成本一句自然语言即可起跑需写选择器与等待逻辑需学流程设计器改版适应读页面语义自行调整选择器失效即报错流程节点易断裂过程可解释每步决策留日志与快照只有执行轨迹有录制回放适合场景少量多变的临时任务高频稳定的固定流程跨系统企业流程判断准则流程稳定且跑几万次写死脚本更划算需求多变、一周换三回交给智能体更省心。核心结论别用智能体替代高频固定流水线也别用脚本硬扛多变的临时需求。三、环境准备CLI 安装与浏览器工具注册动手前先把运行时和浏览器工具链接好分两步完成# Node.js 18 环境下安装 Codex CLI 并完成账号授权npminstall-gopenai/codex codex login codex--version再在Codex的配置文件里注册 Playwright MCP让智能体拿到浏览器操作能力# ~/.codex/config.toml把 Playwright MCP 注册为可调用的浏览器工具 [mcp_servers.playwright] command npx args [-y, playwright/mcplatest, --browser, chromium, --headless]依赖前置首次运行会拉取浏览器内核提前执行npx playwright install chromium可避免超时。认证方式codex login走浏览器授权token 落在本机配置目录不要提交进 Git。核心结论工具能力由 MCP 提供Codex 只负责决定何时调用哪个工具。四、任务描述把模糊需求写成可执行指令把一句业务需求变成智能体能独立跑完的指令通常要补齐这几块目标与终点写清任务完成的判定物例如「生成./data/orders.csv且行数大于 0」。前置状态是否已登录、用哪个账号、需要哪些筛选条件与时间范围。动作边界允许点击的范围以及支付、删除、群发这类按钮一律禁止触碰。失败处理遇到验证码或未知弹窗时暂停并回报不允许自行绕过风控。核心结论写清楚「验收标准」比写清楚「怎么点」更能让智能体一次跑通。五、链路拆解一次任务的工具调用循环一次浏览器任务在底层是一条不断收敛的工具调用循环# 非交互执行适合放进 cron 或 CI--sandbox 限制可写目录codexexec--sandboxworkspace-write\打开 https://admin.example.com 订单页筛选本月已支付订单 导出 CSV 到 ./data/orders.csv并报告行数读取任务 → 调用 MCP 打开页面 → 抓取页面快照 → 决策下一步 → 执行动作 → 校验结果 → 收敛或重试工具层MCP 暴露navigate、click、snapshot等能力Codex 负责选哪个、按什么顺序。沙箱层workspace-write把写入范围锁在工作目录内防止任务越权改系统文件。核心结论决策在模型能力在工具边界在沙箱三者缺一任务就会失控。六、状态校验用断言确认任务真做对了智能体说「完成了」不等于真做对了需要一段独立于执行链路的校验# 独立校验导出产物任务结束后单独运行避免智能体自证清白importcsv,pathlib ppathlib.Path(data/orders.csv)assertp.exists()andp.stat().st_size0,导出文件缺失或为空rowslist(csv.DictReader(p.open(encodingutf-8-sig)))assertlen(rows)0,没有读到任何数据行assertall(r.get(状态)forrinrows),存在状态为空的记录print(f校验通过{len(rows)}行)产物校验文件存在、编码可读、字段齐全、行数达标四项全过才算成功。状态校验页面出现成功提示或跳转到预期 URL作为执行侧的辅助证据。核心结论产物校验与页面状态校验双保险任一失败就触发重写绝不静默通过。七、异常兜底高频翻车点排错表浏览器任务的翻车点高度集中先按这张表对症下药现象可能原因处理动作打开页面即跳回登录Cookie 未持久化用持久化用户目录启动浏览器点击无反应弹窗遮挡或元素在视口外先关弹窗再滚动后重试找不到目标元素页面改版让智能体重抓页面快照再决策弹出验证码触发风控暂停任务转人工不要反复硬试导出文件为空筛选条件填错回查筛选参数校验通过再重跑重试策略同一动作最多重试 3 次连续失败就带着最后一步快照退出把现场留给人。核心结论把异常收敛成有限的几种重试策略才有意义。八、权限边界只放行必要站点与动作给智能体开浏览器之前先把权限关进笼子里域名白名单只放行业务站点拦截跳转出来的第三方与广告域名。凭据隔离使用只读或独立测试账号禁止保存支付信息与超管凭据。动作黑名单删除、付款、对外发送这类不可逆操作一律要求人工二次确认。核心结论权限给到刚好够完成任务的最小集合宁可多一次人工确认。九、批量与落盘任务清单驱动循环执行单个任务跑通后把它变成可批量重复的作业# 逐行读取任务清单每个任务独立日志失败可单独重跑mkdir-plogswhileIFS|read-rname prompt;do[-z$name]continuecodexexec--sandboxworkspace-write$promptlogs/$name.log21\echo$nameOK||echo$nameFAILdonetasks.txt任务清单tasks.txt一行一个任务形如orders|导出本月订单CSV到./data/失败只重跑那一行。日志落盘每次执行写独立日志成功与失败分开统计方便日报与回归。核心结论外层脚本负责调度与重跑Codex 负责单个任务内的网页决策两层各管一段。十、可观测性留足快照才能快速复盘线上跑起来之后出问题时最值钱的是可回放的现场全量留痕保留每步的页面快照、点击坐标与工具调用耗时形成完整时间轴。失败定位先看最后一步快照区分是页面改版、网络抖动还是指令本身有歧义。版本对齐任务清单、提示词与配置文件一起进版本库改动能追溯到具体提交。核心结论没有留痕的智能体任务出错时只能靠猜。结语这套链路的价值在于把「人盯页面」换成了「指令 校验 留痕」的闭环环境与 MCP 接入一次配好任务指令按目标、边界、验收三段式来写产物校验独立于执行链路外层脚本再把单点任务串成批量作业。落地时优先挑 2~3 个高频且验收标准清晰的任务试跑跑稳后再逐步扩到更多页面。真正决定成败的不是模型多聪明而是权限边界、异常兜底与产物校验这三道闸门有没有装上。