🌟 为什么我决定扔掉 Selenium？——一个被 selector 失败、隐式等待和 CI 崩溃折磨三年的自白
凌晨2:47，手机震了第七次。
钉钉弹出告警：“【大促价格监控】任务 #JD-HEADPHONES-03 —— FAILED（StaleElementReferenceException）”。我抓了把头发，盯着终端里那行熟悉的红字：Message: stale element reference: element is not attached to the page document。再往下翻，是另一个幽灵：TimeoutException: Message: timeout: Timed out receiving message from renderer。
这不是演习。这是双十一大促前夜的真实战况。我们用 Selenium 写的 12 个核心电商页面价格巡检脚本，在 Chrome v125 升级后的首波流量高峰中集体“诈尸”——不是全挂，而是间歇性抽风：有时能跑通，有时卡在搜索框输入后不点搜索按钮，有时点了却把“加入购物车”误点成页脚的“联系我们”。排查三天，发现根源竟是：某平台首页悄悄把 <button class="btn-buy"> 改成了 <div class="action-btn js-buy-btn">，而我们的 WebDriverWait(driver, 10).until(EC.element_to_be_clickable((By.CLASS_NAME, "btn-buy"))) 直接哑火。
不是 Selenium 不好。它稳、成熟、生态全。但我的需求变了。老板甩来一句话：“帮我点开京东首页→搜‘无线耳机’→拉到第3个商品→截图价格”，我却要花 42 行代码：
- 启动 ChromeOptions 加一堆规避检测参数
- 等首页加载完再等搜索框可点击
- 输入后显式等搜索按钮出现再 click
- 解析商品列表时得用 XPath 定位“第3个含‘自营’且非广告”的节点
- 滚动到该元素再截图……
直到公司内部 Hackathon 上，隔壁组小哥用 Claude Code + Chrome MCP，10 分钟做完同一件事。更魔幻的是——产品同学现场语音说：“把刚才脚本改成去小红书搜‘降噪耳机测评’，只取笔记标题和点赞数”，他敲了三行指令，回车，跑通。页面结构早因灰度改版变了个样，但脚本没崩，因为 LLM 理解了“标题”和“点赞数”的语义，而不是死磕 class="note-title"。那一刻我关掉了 PyCharm，打开了终端。
🔧 我的零代码自动化工作流长啥样？（附真实终端录屏思维导图）
现在我的自动化流程像呼吸一样简单：我说人话 → 机器听懂 → 浏览器执行 → 我拿结果。
整个链路极简到只有四层：
自然语言指令
↓
Claude Code（本地运行的 LLM，带 browser_tool 插件）
↓
Chrome MCP Server（独立进程，通过 WebSocket 接管 Chrome）
↓
Chrome DevTools Protocol（原生协议，直接操作 DOM/Network/Runtime）
重点划掉一个常见误解：MCP 不是插件，不是浏览器扩展，更不是 WebDriver 的包装壳。它是站在 Chrome 肩膀上的“新协议层”——绕过 Selenium 那套抽象又易碎的 WebElement 对象模型，直接走 CDP 发送 Runtime.evaluate 或 DOM.scrollIntoViewIfNeeded。这意味着：没有 StaleElementReferenceException（元素不存在于当前 DOM 树？CDP 会实时查），没有 NoSuchElementException（找不到？LLM 会尝试语义匹配而非硬 selector）。
我把它封装成一行命令（macOS zsh alias）：
alias mcp-start='chrome-mcp --port 3000 --headless=false & sleep 1 && claude-code --mcp-url ws://localhost:3000 --max-steps 8'
启动后，终端就安静了。接着我在飞书发条语音：“把知乎今日热榜前5条标题存成 CSV”，Claude Code 自动拆解为：
navigate("https://www.zhihu.com/hot")wait_for_element("section.hot-list")extract_text("div.List-item h2", limit=5)save_csv(["title"], extracted_data)
整个过程无 selector、无显式等待、无 driver.quit()。
兴奋劲儿还没过，现实就给了我四记重拳：
坑1：Chrome 调试端口被 macOS 默默封印chrome-mcp 启动时报错 Connection refused。查日志发现它默认连 http://127.0.0.1:9222/json，但 brew 安装的 Chrome 根本不开放这个端口。解决方案：不用 brew 启动，改用命令行强制开启：
open -a "Google Chrome" --args --remote-debugging-port=9222 --no-sandbox --disable-gpu
（加 --no-sandbox 是为了本地开发免权限纠缠，生产环境请用 Docker）
坑2：LLM 工具太“老实”，不会高亮元素
我要实现“滑动到商品卡片并加红色边框高亮”，但 browser_tool.click() 和 .type() 根本不支持。翻源码发现 browser_tool 底层调用 execute_js()，于是手动 patch（~/.local/lib/python3.11/site-packages/browser_tool/tool.py）：
# 在 execute_js 方法末尾加这三行：
if "highlight" in kwargs:
js_code = f"arguments[0].style.outline='3px solid red';"
self._execute_cdp("DOM.highlightNode", {"nodeId": node_id})
现在指令里写 “高亮第一个商品卡片” 就自动生效。
坑3：中文页面的 :contains() 是个伪命题document.querySelector("button:contains('立即购买')") 在 Chrome 控制台直接报错——CSS 选择器根本没这语法！解决：让 Claude 自动生成兼容代码：
Array.from(document.querySelectorAll('button'))
.find(el => el.textContent?.trim().includes('立即购买'))
并在 MCP 的 JS 执行层自动注入此逻辑，无需我手写。
坑4：MCP Server 日志干净得诡异，但 Chrome 没反应
查了一小时网络、防火墙、端口占用，最后发现是 Chrome 版本太高（v126+）。降级到 v124.0.6367.91 后秒通。我写了版本锁定脚本防踩坑：
# macos-chrome-lock.sh
curl -L https://edgedl.me.gvt1.com/edgedl/chrome/mac/stable/ChromeV124.dmg -o /tmp/chrome.dmg
hdiutil attach /tmp/chrome.dmg && cp -R "/Volumes/Google Chrome/Google Chrome.app" /Applications/
🛠️ 我的“自然语言指令”写作心法（比写正则还简单）
别把 LLM 当 AI，当一个较真的实习生——你给模糊需求，它就给你模糊结果。我的黄金模板：
“在 [页面描述] 上，[动作]，[目标元素特征]，[后续操作]”
✅ 好例子：
“在京东商品搜索页上，输入‘AirPods Pro 二代’，点击第一个带‘自营’字样的商品卡片，截图右上角价格区域”
❌ 糟糕例子：
“点那个蓝色的购买按钮” → 它真会去找所有蓝色文字，包括页脚“©2024 京ICP备XXX号”里的“蓝”字
实战技巧：主动定义失败路径。加一句：
“如果找不到包含‘立即抢购’的按钮，请返回错误信息：‘未定位到立即抢购按钮，请检查页面是否已跳转至商品详情页’”
这样脚本不会静默失败，而是抛出可读错误，方便快速定位是页面没加载完，还是文案真改了。
📊 效果对比：同一任务，Selenium vs Claude+MCP（真·表格）
| 维度 | Selenium（Python） | Claude+Chrome MCP |
|---|---|---|
| 编写耗时 | 28 分钟（含 selector 调试） | 3 分钟（语音转文字+微调） |
| 页面改版后维护 | 修改 5 处 selector + 等待逻辑 | 指令重写 1 句（“把‘加入购物车’改成‘立即抢购’”） |
| 错误可读性 | NoSuchElementException: Message: no such element: Unable to locate element... | “找不到包含‘立即抢购’的按钮，请确认页面已跳转至商品详情页” |
| 团队协作成本 | 需 Python 基础 + 元素定位知识 | 产品用飞书发语音：“把昨天的脚本改成抓小红书笔记的点赞数” |
最震撼的是维护成本。上周拼多多首页改版，Selenium 脚本崩了 3 处；而 MCP 版本，我只改了指令里一个词：“把‘百亿补贴’换成‘限时秒杀’”，重跑即通。
🚀 我的生产环境落地清单（已验证，非纸上谈兵）
别光顾着激动，生产环境必须稳如老狗：
必装三件套（版本锁死）：
npm install -g [email protected] pip install claude-code==0.12.0 # Chrome v124 二进制包已打包好，见 internal-nexus/chrome-v124/安全红线（血泪教训）：
MCP Server 绝不暴露公网！本地开发用127.0.0.1:3000；CI 环境用 Docker network 隔离：# docker-compose.yml services: mcp-server: image: ghcr.io/mozilla/chrome-mcp:0.4.2 ports: ["127.0.0.1:3000:3000"] network_mode: "bridge" claude-runner: build: . depends_on: [mcp-server] # 不暴露任何端口，仅容器内通信性能兜底：
Claude 加--max-steps 8防止无限循环；Chrome 启动加--disable-gpu --no-sandbox --disable-dev-shm-usage（尤其 Docker 内）。最后的真心话：
它不是银弹。遇到 Canvas 渲染的滑块验证码、WebGL 动画页、iframe 嵌套超过 4 层的银行系统，我依然切回 Selenium——老将出马，一个顶俩。但日常 80% 的场景：竞品价格监控、SEO 标题抓取、表单回归测试、运营活动页巡检……真的可以做到：张嘴就来，说完就跑，改完就用。
扔掉 Selenium 不是叛逃，而是升级武器库。当老板说“把昨天脚本改成抓抖音直播间在线人数”，我不再打开 IDE，而是打开飞书，按住说话键：“在抖音直播间页，提取右上角‘在线X万人’的数字，每分钟存一次”。
世界终于回到了它该有的样子：人指挥机器，而不是人迁就机器的语法。