Babata Browser — Babata 浏览器

Babata Browser 🦞 v2.0 轻量浏览器自动化技能。给巴巴塔装一双"网页上的手"——打开网页、填写表单、点击按钮、提取数据、截图保存。

架构概览 信息获取优先级： 验证/事实查询 → API/CLI（最快，不走浏览器） 探索/开放搜索 → web_search（Tavily，多角度） JS渲染/交互/截图 → babata-browser（兜底）

浏览器操作策略（v2.0 升级）： 获取结构 + 可交互元素 → Accessibility Snapshot（首选，Token高效） 提取页面文字 → get_text（结构化） 获取页面视觉状态 → screenshot（兜底）

对比 browser-use browser-use babata-browser v2.0 依赖 50+包 仅 Playwright 安装 300MB+/20min 100MB/2min 控浏览器 ✅ ✅ AI决策 内置LLM 巴巴塔LLM直接决策 页面交互策略 视觉模型驱动 Accessibility Tree优先 Token效率 低（截图+视觉AI） 高（结构化数据） 中文任务 一般 ✅ 原生中文

核心设计原则

• Accessibility Tree 优先 源自 Playwright MCP 设计模式。优先使用Playwright的Accessibility Tree快照获取页面结构和可交互元素，而不是视觉模型/截图。Token效率更高，且不需要额外AI视觉能力。

场景 首选方式 兜底 获取页面结构和可交互元素 Accessibility Snapshot — 提取页面文字 get_text / get_html — 获取页面视觉状态 — screenshot

• CLI 轻量 > MCP 深度 微软Playwright团队已验证：CLI模式Token效率高于MCP。巴巴塔遵循同样原则：

高频操作（导航/点击/提取）→ 直接Playwright CLI API（轻量快速） 长周期/多步骤/需持久化状态 → MCP协议（富状态编排）

• 巴巴塔LLM直接决策 不内嵌LLM，所有操作决策由巴巴塔的DeepSeek模型完成。优势：

统一上下文（不用切AI） 统一记忆（操作历史可追踪） 统一安全（Guardrails覆盖所有操作路径）

安装 前置依赖 pip install playwright python -m playwright install chromium 安装本包（全局可导入） # 从 babata-browser 目录执行 cd skills/babata-browser pip install -e . 安装后可从任意目录 import，包括 cron 隔离会话。

使用 from scripts.babata_browser import execute_task # 一句话操控浏览器 execute_task("打开卫健委官网，搜索最新政策，提取前5条标题") execute_task("打开 https://example.com，搜索 医疗AI，提取结果") execute_task("打开登录页，填表提交，截图保存")

CLI 模式 babata-browser '打开 GitHub Trending，提取热门项目' --json

内置能力 动作 说明 策略 goto 导航到URL CLI get_text 提取页面文字（Accessibility Tree优先） CLI get_html 获取HTML CLI click 点击元素(文本/CSS) CLI fill 填写表单 CLI get_links 提取所有链接 CLI screenshot 全页截图（Accessibility Tree不可用时兜底） CLI scroll 滚动页面 CLI execute_js 执行JavaScript CLI extract_table 智能提取表格 CLI search_and_extract 搜索+提取 CLI login_if_needed 自动登录 CLI/MCP双模式 accessibility_snapshot 获取Accessibility Tree快照（v2.0新增） CLI

应用场景 卫健委/医保局/中纪委官网动态政策抓取 政府监管系统自动填报 JS渲染页面数据采集 网页内容变化监控 自动化表单提交

变更日志 版本 日期 改动 v2.0 2026-05-07 新增Accessibility Tree优先策略、CLI/MCP双模式选择、策略表。来源：Playwright MCP设计模式 v1.0 — 初始版本