MCP Browser Control

What is it（这是什么）

MCP Browser Control 是一套让 AI Agent 直接操控你日常已登录浏览器的协议与工具组合。MCP（Model Context Protocol）负责标准化 AI 与外部工具的通信，Browser Control 则把这个能力接到真实浏览器上——不是无痕的 headless 实例，而是你已经在用的、带着全部 Cookie 和登录态的浏览器。技术本质是：把浏览器变成 AI 的"手"，让它能点击、填表、翻页、抓数据、跑流程。商业意义很直接：过去自动化要写脚本、维护选择器、处理登录，现在用户用自然语言说一句"帮我把这 20 个供应商的价格抓下来做成表格"就能完成。这是一块从开发者工具向普通用户外溢的自动化市场。

Why now（为什么现在出现）

三个条件在 2025 年底到 2026 年初同时成熟。第一，MCP 协议在 2024 年底由 Anthropic 开源后，2025 年成为事实标准，OpenAI、Google 相继接入，AI 调用外部工具的摩擦被大幅拉低。第二，视觉语言模型（VLM）的页面理解能力跨过可用阈值，AI 不再依赖脆弱的 CSS 选择器，而是像人一样"看"页面，这让浏览器自动化的稳定性提升了一个数量级。第三，用户侧的痛点积压已久——SaaS 工具之间的数据搬运、重复性的网页操作、跨系统的信息汇总，这些工作 RPA 厂商卖了十年但体验糟糕。Skyvern 和 moli 这类项目在 GitHub 上的活跃，说明开发者已经嗅到方向。再早一年，VLM 不够准、MCP 还没普及；再晚一年，大厂的产品就会吃掉这块市场。现在正是独立开发者的窗口期。

Market Evidence（市场证据）

当前信号强度中等偏弱但方向明确。从 2 个独立信源（github、v2ex）获得 3 次提及，增长率 100%，首次发现于 2026-10-14，处于 nascent 阶段。这个数据组合说明：讨论刚刚开始，但增长曲线陡峭。2 个信源都是技术社区，v2ex 的出现尤其值得注意——它意味着话题已经从纯代码仓库溢出到中文开发者日常讨论圈，这是从"极客玩具"向"实用工具"过渡的典型信号。3 次提及的总量很小，不足以判断是真实需求还是短期热点。但结合 Skyvern、moli 等 headless browser 项目正在竞争 agent 浏览器市场这一背景，可以判断这不是孤立事件，而是一个赛道的早期脉冲。信源数量少是风险，也是机会——意味着竞争尚未白热化，先入场者有时间建立认知。

Who's Behind It（谁在推动）

推动力来自三层。底层是 Anthropic（MCP 协议发起方）和 OpenAI、Google（协议采纳方），它们定义了通信标准，是真正的"庄家"——谁控制了协议，谁就控制了生态入口。中层是 Skyvern、moli 这类开源 headless browser 项目，它们在做 agent 浏览器的核心引擎，是当前最直接的竞争者。上层是大量独立开发者和 v2ex/GitHub 上的讨论者，他们在探索具体应用场景。Skyvern 偏向企业级自动化流程，moli 更轻量，两者的定位差异说明市场还没收敛。庄家是协议方，但协议方不做垂直应用，这正是独立开发者的生存空间。

TAM & Market Size（市场规模）

潜在用户分三层。第一层是开发者与数据工作者，全球约 3000 万人，他们有明确的网页自动化需求，付费意愿强，客单价可达 $20-50/月。第二层是运营、市场、电商从业者，全球约 1 亿人，需求是重复性网页操作自动化，付费意愿中等，客单价 $10-30/月。第三层是普通知识工作者，规模最大但付费意愿最弱。保守估计，可服务的付费市场在 $5-15 亿/年量级。市场处于高速增长期，因为 AI Agent 整体渗透率在快速提升。关联数据方面，机会分 0/100、需求分 0/100 说明当前量化评估尚未捕捉到明确信号，这既是早期风险，也意味着估值洼地。市场在增长，不是在萎缩。

Competitive Landscape（竞争格局）

已有玩家分两类。一类是开源引擎：Skyvern（企业级、功能全、部署重）、moli（轻量、上手快）、以及 Playwright/Puppeteer 生态的 AI 封装。另一类是商业产品：各家 RPA 厂商（UiPath、Zapier）正在加 AI 层，但它们的架构是为确定性流程设计的，接 AI 是补丁而非原生。市场空白在于：面向个人和小团队的、开箱即用的、连接用户已登录浏览器的 MCP 工具几乎没有。大厂会做吗？会，但它们的优先级在企业市场，个人开发者工具是长尾，留给独立开发者 12-18 个月窗口。竞争分 0/100 说明当前竞争评估模型没识别出激烈对抗，这是入场的好时机。差异化机会在"已登录浏览器"这个点——headless 方案处理不了需要登录态的复杂场景，这是护城河。

Business Model（商业模式）

推荐订阅制为主、API 按量计费为辅的混合模式。理由：浏览器自动化是持续性需求，用户需要长期运行，订阅制能产生稳定现金流；API 按量计费则捕获开发者和高频用户。定价建议：个人版 $19/月（每月 1000 次自动化操作），团队版 $79/月（5 席位、10000 次操作），API 版 $0.01/次调用。依据是同类工具（Zapier $19.99 起、Make $9 起）的定价锚点，以及用户对"省下人工时间"的价值感知。

12 个月收入预测：保守情况 $3,000/月（约 150 个个人订阅），基准情况 $15,000/月（约 500 个个人 + 50 个团队），乐观情况 $60,000/月（含 API 收入和团队客户）。用户获取成本估算：开发者社区冷启动 CAC 约 $20-50，内容营销 CAC 约 $30-80。回本周期：个人版 1-3 个月，团队版 2-4 个月。关键是控制服务器成本——浏览器自动化吃资源，要用按需启动和资源池化压低单用户成本。

MVP Blueprint（MVP 蓝图）

核心功能（只做必须的）：1）一个 MCP server，暴露 3 个工具——navigate、click、extract；2）连接用户本地已登录浏览器的能力（通过浏览器扩展或 CDP 端口）；3）一个简单的任务描述界面，用户输入自然语言，AI 拆解成操作序列；4）执行日志和结果导出（CSV/JSON）。砍掉：多浏览器支持、定时任务、团队协作、可视化流程编辑器。

技术栈：后端 Python（FastAPI + Playwright/CDP），MCP server 用官方 Python SDK，前端 Next.js + Tailwind，数据库 SQLite（MVP 阶段足够），部署用 Railway 或 Fly.io。浏览器连接用 Chrome 扩展 + 本地 WebSocket 桥接。

最快上线路径：fork 一个现成的 MCP server 模板，改造成浏览器控制；用 Playwright 的 CDP 连接已有浏览器实例；前端直接用 shadcn/ui 组件库拼。第一版不做用户系统，用 API key 简单鉴权。目标：3 天内跑通"输入自然语言→浏览器执行→返回结果"的完整链路，第 5 天发到 v2ex 和 GitHub 收集反馈。

Commercial Opportunities（商业化机会）

方向一：开发者自动化工具。产品是"给开发者的浏览器 Agent"，目标用户是需要抓数据、做测试、跑重复网页操作的开发者。预期月收入 $5,000-20,000。优势在于开发者付费意愿高、口碑传播快，且能反哺 API 生态。

方向二：电商运营助手。产品是"帮电商卖家自动处理平台后台操作"（批量改价、抓竞品、回消息）。目标用户是中小电商卖家，预期月收入 $10,000-50,000。优势在于需求刚性、场景具体、愿意为省人力付费，且已登录浏览器是刚需。

方向三：个人效率工具。产品是"你的浏览器自动化助手"，面向知识工作者，预期月收入 $2,000-8,000。优势是市场大，劣势是付费转化难。优先做方向一，因为验证快、CAC 低，能最快跑通商业模式。

Product Ideas（产品创意）

🥇 BrowserPilot — 一句话价值主张："用自然语言控制你的浏览器，把重复操作交给 AI。" 目标用户是开发者和数据工作者，场景是抓取、填表、批量操作。为什么现在做对：MCP 标准刚成熟，VLM 页面理解刚可用，竞品还没占领个人市场。定位是"开发者的第一款浏览器 Agent"。

🥈 ShopFlow — 一句话价值主张："电商后台的 AI 操作员，批量任务一句话搞定。" 目标用户是中小电商卖家，场景是批量改价、竞品监控、客服回复。为什么现在做对：电商运营人力成本高，已登录浏览器能直连平台后台，无需 API 对接。定位垂直、付费意愿强。

🥉 FormBot — 一句话价值主张："自动填写任何网页表单，一次配置永久复用。" 目标用户是运营、HR、销售，场景是重复性表单提交。为什么现在做对：表单自动化是高频刚需，现有工具都要求写脚本，AI 理解页面后可以零脚本。定位轻量、易传播。

SEO Opportunity（SEO 机会）

搜索量趋势：上升。MCP 相关关键词整体在涨，browser control 是新兴长尾。有价值的长尾词：mcp browser automation、ai control logged in browser、mcp playwright server、browser agent mcp、skyvern alternative。竞争程度低，SEO 难度 0/100，说明几乎没人做这块的内容优化。内容策略：做"教程 + 对比"类页面最容易拿排名——比如"MCP Browser Control 入门教程""Skyvern vs moli 对比"，配可运行的代码示例。

Risk Assessment（风险评估）

判断可能错的情况：如果 MCP 协议被大厂弃用或分裂，整个方向的基础动摇；如果 VLM 页面理解的准确率在实际场景中不达预期，产品体验会崩。

三大风险：技术风险——浏览器自动化稳定性是老大难，AI 理解页面仍会出错，错误处理成本高；市场风险——用户可能觉得"我手动操作也不慢"，付费转化难；执行风险——浏览器资源消耗大，单用户成本可能吃掉利润。

最低成本验证：花 2 天做一个极简 demo，发到 v2ex 和 Reddit，看有多少人愿意留下邮箱或付费预订。如果 48 小时内拿到 50 个有效意向，信号确认。

放弃时机：如果 2 周内 demo 无人问津，或试用用户留存率低于 10%，果断放弃，转向相邻方向。

Action Plan（行动建议）

第一步（今天）：注册一个域名，搭一个落地页，写清楚"用 AI 控制已登录浏览器"的价值主张，放一个等待列表表单。同时在 GitHub 上搜索 Skyvern、moli，读它们的 issue 区，找用户抱怨最多的点。

低成本验证：用 Playwright + 一个 MCP server 模板，花 2 天做出能"输入自然语言→浏览器执行→返回结果"的 demo，录屏发到 v2ex。看反馈质量而非数量。

信号确认后第二步：把 demo 做成可安装的产品，加用户系统和计费，主攻开发者场景。

时间线：第一周完成落地页 + demo + 首次社区发布；第一个月拿到前 50 个用户，跑通付费；第三个月达到 $3,000 MRR，决定是否加码。

Related Terms（相关趋势）

• MCP（Model Context Protocol） — 底层协议依赖，MCP Browser Control 是其垂直应用
• Skyvern — 直接竞争关系，同属 agent 浏览器赛道，定位企业级
• Headless Browser — 技术基础，Browser Control 是其向"已登录浏览器"的演进方向