ダブルクリックで英日反転
Applied Sciences · Engineering
Browser Automation MCP 2026 — Playwright, chrome-devtools, agent-browser
Three MCP (Model Context Protocol) servers let AI agents drive a browser. They differ sharply in token cost, ability to reuse authenticated sessions, and maturity — picking the right one changes task economics dramatically.
How screen state reaches the LLM
- Screenshot (vision): 5,000–8,000 tok per image — most expressive, most expensive
- Full HTML: tens of thousands of tokens — rarely practical
- Accessibility tree (DOM semantic tree): 200–12,000 tok — the mainstream approach
- Accessibility tree + compact refs: 200–400 tok — agent-browser's approach, least expensive
Playwright MCP (Microsoft official)
- Uses accessibility snapshot by default; tool-schema init costs ~13,700 tok
- Per-snapshot: 3,800–12,000 tok; full test measured at ~114,000 tok
- Best fit: E2E testing, CI/CD, SaaS smoke checks — mature and stable
- Weakness: hard to reuse an already-authenticated Chrome session
chrome-devtools-mcp (Google official) — best for authenticated sites
- Attaches via CDP (Chrome DevTools Protocol) to an existing Chrome process
- Reuses live sessions (government portals, banks, internal tools) without re-login
- Tool-schema init ~17,000 tok but whole-task cost reported 78% lower than Playwright
- Also an official Anthropic Claude plugin; Chromium-only (no Firefox)
agent-browser-mcp (Vercel Labs) — best for long autonomous loops
- Returns only actionable elements with stable refs — 200–400 tok per page (~1/30 of Playwright)
- Same context budget allows 5.7× more actions than Playwright MCP
- Ideal for multi-hundred-step autonomous workflows (e.g. Ralph Wiggum Loop)
- Caveat: released early 2026, few production deployments; MCP wrapper is community-built
→ Default to chrome-devtools-mcp for auth-required work; switch to agent-browser-mcp for long autonomous loops; use Playwright MCP for testing pipelines.
Applied Sciences · Engineering
ブラウザ自動化 MCP 2026 — Playwright・chrome-devtools・agent-browser 比較
AIエージェントがブラウザを操作するためのMCP（Model Context Protocol＝AIとツールをつなぐ標準プロトコル）サーバーは3系統ある。トークン消費量・認証済みセッションの再利用可否・成熟度が大きく異なり、選択次第でコストが劇的に変わる。
画面状態をLLMに伝える4つの方法
- スクリーンショット（vision）: 1枚5,000〜8,000 tok — 表現力は最高、コストも最高
- フルHTML: 数万 tok — 現実的でないケースが多い
- アクセシビリティツリー（DOMの意味構造木）: 200〜12,000 tok — 現在の主流
- ツリー＋コンパクト参照: 200〜400 tok — agent-browserの手法、最も軽量
Playwright MCP（Microsoft公式）
- アクセシビリティスナップショット採用。ツール定義スキーマ初期化で約13,700 tok
- スナップショット1回3,800〜12,000 tok、テスト全体で約114,000 tokを計測
- 最適用途: E2Eテスト・CI/CD・SaaSの疎通確認 — 成熟・安定
- 弱点: 既ログイン済みのChromeセッションを再利用しにくい
chrome-devtools-mcp（Google公式）— 認証済みサイトに最強
- CDP（Chrome DevTools Protocol＝Chromeの内部制御プロトコル）で既存プロセスにアタッチ
- 行政ポータル・銀行・社内ツールなどのセッションをログインなしで再利用できる
- スキーマ初期化は約17,000 tokだが、タスク全体ではPlaywright比78%削減との報告
- Anthropic公式Claudeプラグインとしても配布。Chromiumのみ対応（Firefox不可）
agent-browser-mcp（Vercel Labs）— 長期自律ループに最適
- 操作可能な要素だけを安定参照IDつきで返す。1ページ200〜400 tok（Playwright比約1/30）
- 同じコンテキスト予算でPlaywright MCPの5.7倍のアクションが可能
- 数百ステップの自律ループ（例: Ralph Wiggum Loop）に最適
- 注意: 2026年初リリースで本番実績は少なく、MCPラッパーはコミュニティ製
→ 認証が必要な業務にはchrome-devtools-mcp、長期自律ループにはagent-browser-mcp、テストパイプラインにはPlaywright MCPを使い分けるのが現時点のベストプラクティス。
Applied Sciences · Engineering
Browser Automation MCP 2026 — Playwright, chrome-devtools, agent-browser
Three MCP (Model Context Protocol) servers let AI agents drive a browser. They differ sharply in token cost, ability to reuse authenticated sessions, and maturity — picking the right one changes task economics dramatically.
How screen state reaches the LLM
- Screenshot (vision): 5,000–8,000 tok per image — most expressive, most expensive
- Full HTML: tens of thousands of tokens — rarely practical
- Accessibility tree (DOM semantic tree): 200–12,000 tok — the mainstream approach
- Accessibility tree + compact refs: 200–400 tok — agent-browser's approach, least expensive
Playwright MCP (Microsoft official)
- Uses accessibility snapshot by default; tool-schema init costs ~13,700 tok
- Per-snapshot: 3,800–12,000 tok; full test measured at ~114,000 tok
- Best fit: E2E testing, CI/CD, SaaS smoke checks — mature and stable
- Weakness: hard to reuse an already-authenticated Chrome session
chrome-devtools-mcp (Google official) — best for authenticated sites
- Attaches via CDP (Chrome DevTools Protocol) to an existing Chrome process
- Reuses live sessions (government portals, banks, internal tools) without re-login
- Tool-schema init ~17,000 tok but whole-task cost reported 78% lower than Playwright
- Also an official Anthropic Claude plugin; Chromium-only (no Firefox)
agent-browser-mcp (Vercel Labs) — best for long autonomous loops
- Returns only actionable elements with stable refs — 200–400 tok per page (~1/30 of Playwright)
- Same context budget allows 5.7× more actions than Playwright MCP
- Ideal for multi-hundred-step autonomous workflows (e.g. Ralph Wiggum Loop)
- Caveat: released early 2026, few production deployments; MCP wrapper is community-built
→ Default to chrome-devtools-mcp for auth-required work; switch to agent-browser-mcp for long autonomous loops; use Playwright MCP for testing pipelines.
Applied Sciences · Engineering
ブラウザ自動化 MCP 2026 — Playwright・chrome-devtools・agent-browser 比較
AIエージェントがブラウザを操作するためのMCP（Model Context Protocol＝AIとツールをつなぐ標準プロトコル）サーバーは3系統ある。トークン消費量・認証済みセッションの再利用可否・成熟度が大きく異なり、選択次第でコストが劇的に変わる。
画面状態をLLMに伝える4つの方法
- スクリーンショット（vision）: 1枚5,000〜8,000 tok — 表現力は最高、コストも最高
- フルHTML: 数万 tok — 現実的でないケースが多い
- アクセシビリティツリー（DOMの意味構造木）: 200〜12,000 tok — 現在の主流
- ツリー＋コンパクト参照: 200〜400 tok — agent-browserの手法、最も軽量
Playwright MCP（Microsoft公式）
- アクセシビリティスナップショット採用。ツール定義スキーマ初期化で約13,700 tok
- スナップショット1回3,800〜12,000 tok、テスト全体で約114,000 tokを計測
- 最適用途: E2Eテスト・CI/CD・SaaSの疎通確認 — 成熟・安定
- 弱点: 既ログイン済みのChromeセッションを再利用しにくい
chrome-devtools-mcp（Google公式）— 認証済みサイトに最強
- CDP（Chrome DevTools Protocol＝Chromeの内部制御プロトコル）で既存プロセスにアタッチ
- 行政ポータル・銀行・社内ツールなどのセッションをログインなしで再利用できる
- スキーマ初期化は約17,000 tokだが、タスク全体ではPlaywright比78%削減との報告
- Anthropic公式Claudeプラグインとしても配布。Chromiumのみ対応（Firefox不可）
agent-browser-mcp（Vercel Labs）— 長期自律ループに最適
- 操作可能な要素だけを安定参照IDつきで返す。1ページ200〜400 tok（Playwright比約1/30）
- 同じコンテキスト予算でPlaywright MCPの5.7倍のアクションが可能
- 数百ステップの自律ループ（例: Ralph Wiggum Loop）に最適
- 注意: 2026年初リリースで本番実績は少なく、MCPラッパーはコミュニティ製
→ 認証が必要な業務にはchrome-devtools-mcp、長期自律ループにはagent-browser-mcp、テストパイプラインにはPlaywright MCPを使い分けるのが現時点のベストプラクティス。
出典・参考 / Sources
- Playwright MCP — Microsoft公式ドキュメント
- chrome-devtools-mcp — OSSリポジトリ (Google)
- chrome-devtools-mcp — Anthropic公式プラグイン
- vercel-labs/agent-browser — OSSリポジトリ (Vercel Labs)
- agent-browser-mcp — OSSリポジトリ (minhlucvan)
- Playwright MCP burns 114K tokens per test (Medium)
- Why Vercel's agent-browser is winning the token efficiency war (dev.to)
- Driving vs Debugging the Browser (Steve Kinney)
- Model Context Protocol — 公式サイト (Anthropic)
Related notes
- Agentic Commerce — ACP and Visibility into Being 'Bought by AI'
- AI Search Evaluation: The 12 Metrics — Gateway
- AI Search Evaluation ①Citation Rate — How Many URLs Are Pulled In Per Answer
- AI Search Evaluation ②Source Diversity — How Unskewed the Cited Sources Are
- AI Search Evaluation ③Accuracy Score — How Often It Answers Factual Questions Correctly
- AI Search Evaluation ④Answer Length — How Many Characters It Returns to the User on Average