先泼冷水：能跑一次和能跑五百次，是两回事
上周二我在客户会议室，运营总监说想让我用 AI 自动把 12 个后台的日报导出来。我一开始也偷懒，直接上 Claude Computer Use，结果第 17 步它把日期筛选点成了 2024 年，整轮白跑。 后来我把任务拆开：登录、翻页、下载、校验，能用 Playwright 的绝不让模型点鼠标。 我用的环境：Mac mini M2 16GB、macOS 14.5、Node 20.11、Playwright 1.49.1、@playwright/mcp 0.0.10、Claude 3.5 Sonnet 的 computer-use-2024-10-22 beta。 结论先放这：Computer Use 适合当眼睛和兜底，Playwright MCP 适合当手。把两者对立起来，基本是做 demo 的思路。
三个脏活，我的小样本结果
任务 A：国内某 SaaS 后台导出 CSV，有短信验证码、iframe、下载弹窗。Playwright MCP 先人工登录一次存 storageState，后面 20 次导出成功 19 次；Computer Use 从零跑 10 次成功 6 次，失败大多卡在验证码和弹窗。 任务 B：WebArena shopping 子集 50 条多步指令。Playwright MCP 加 accessibility snapshot，成功 43 条，平均 2.1 秒/步；Computer Use 成功 36 条，平均 6.4 秒/步。 任务 C：12 个政府/协会网站抓招标公告，要翻页、进详情、下 PDF。Playwright 选择器平均每站要改 3.7 次；Computer Use 在布局大改的站上反而能靠视觉找到入口，但会把附件下重。 注意，这不是论文，样本很小。但它足够说明：结构化后台别迷信视觉模型，长尾页面别硬写选择器。
参数和成本：差的不只是 token
Playwright MCP 走 DOM/accessibility tree，一个页面通常只传 2k-8k tokens；Computer Use 每步截 1280x800 PNG，单图 200-400KB，15 步任务轻松到 30k-60k input tokens。 按 Claude 3.5 Sonnet 的 3 美元/百万输入、15 美元/百万输出粗算：Computer Use 跑一轮 15 步约 0.27 美元，Playwright MCP 约 0.03 美元，差 8 倍左右。 速度上，Playwright 稳定在 1.2-3.5 秒/步，Computer Use 常见 4-9 秒/步，遇到弹窗动画还要等 1.5 秒。 内存别忽略：M2 16GB 上开 3 个 browser context 很稳，开到 8 个开始 swap。并发不是越高越好，先跑 3，观察再加到 5。
混合方案 6 步：我现在就这么干
- 用 Playwright 打开目标站，人工登录一次，存
storageState: 'auth.json'，设置 viewport 1440x900、deviceScaleFactor 1。 - 跑
@playwright/mcp --browser chromium --headless --isolated --viewport-size=1440,900，让模型只拿 accessibility snapshot，不拿整页截图。 - 让模型输出 JSON action，例如
{tool:'click', selector:'text=导出'}，Playwright 执行；连续 2 次找不到元素才截全屏转 Computer Use。 - Computer Use 的系统提示写死：只操作当前页面，禁止点击包含购买、升级、删除、退款的按钮；所有写操作必须二次确认。
- 每步开 trace：
context.tracing.start({screenshots:true, snapshots:true})，失败回放；下载监听page.waitForEvent('download')，文件小于 10KB 判失败。 - 校验不靠模型嘴说：用
expect(page.locator('.export-success')).toBeVisible()，重试 2 次，退避 1.5s、3s、6s、12s。
我的独立观点：瓶颈在可恢复性，不在模型智商
很多人讨论 Computer Use 和 Playwright MCP 谁替代谁，我觉得问错了。生产环境里的浏览器自动化，最贵的是失败之后怎么恢复，不是单步点多快。 WebArena 分数高，不代表能跑国内后台。验证码、短信、iframe、下载、文件重名、权限审批，这些脏活 benchmark 覆盖得很差，却是企业每天要面对的。 我的建议很土：80% 确定性流程写死 Playwright，20% 长尾交给 Computer Use；给 Agent 单独浏览器 profile，只给必要账号权限，生产写操作必须人工点最后一下。 别让 AI 自由点击生产后台。它不是不聪明，是你赔不起。