rongfengliang-榮鋒亮

主要是一個演示集成，可以體驗到mcp+ 大模型的方便之處

參考玩法

簡單說明: 用戶可以通過mcp client 或者集成的agent，然后client 配置playwright mcp 服務，對于 playwright mcp 服務可以使用remote cdp server 這樣可以減少本地的資源占用（可以使用browserless后者資源占用比較少的lightpanda/browser）

參考示例

• app.py

我使用了deepseek模型

import asyncio
from dotenv import load_dotenv
from mcp_use import MCPAgent, MCPClient
from langchain_openai import ChatOpenAI
async def main():
    load_dotenv(".env")
    config = {
      "mcpServers": {
        "playwright": {
          "command": "npx",
          "args": ["@playwright/mcp@latest","--user-agent","Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3","--cdp-endpoint","ws://xxxxxxx:3000"],
          "env": {
            "DISPLAY": ":1"
          }
        }
    }
    client = MCPClient.from_dict(config)
    llm = ChatOpenAI(model="deepseek-chat")
    agent = MCPAgent(llm=llm, client=client, max_steps=30)
    # Run the query
    agent.memory_enabled =False
    result = await agent.run(
        "打開http://www.rzrgm.cn/rongfengliang/p/18975058,對于博客內容進行總結",
        external_history=None
    )
    print(f"\nResult: {result}")

if __name__ == "__main__":
    asyncio.run(main())

• 效果

說明

以上是一個簡單的集成玩法,通過playwright mcp 集成大模型進行爬蟲還是挺不錯的，至少少寫一些代碼,同時靈活性還很不錯，當然也是有資源消耗的（token）

參考資料

https://code.visualstudio.com/mcp

https://github.com/microsoft/playwright-mcp

https://docs.mcp-use.com/

https://github.com/lightpanda-io/browser