本文探讨了在 AI Agent 开发中，开发者是否真的需要模型上下文协议（MCP）。作者 Mario Zechner 指出，虽然 MCP 备受关注，但许多流行的 MCP 服务器（如 Playwright 或 Chrome DevTools MCP）过于臃肿，动辄占用数万个 Token（约占 Claude 上下文的 7%-9%），且难以扩展和组合。

作者提出了一种更简单、高效的替代方案：拥抱 Bash 脚本和原生代码。通过编写极简的 Node.js 脚本（利用 Puppeteer Core）并配合一份仅约 200 Token 的 README 说明，Agent 就能实现浏览器自动化、网页截图、执行 JS 和交互式元素选择等功能。这种方法的优势在于：1. 极高的 Token 效率，利用了模型已有的编程知识；2. 强大的组合性，脚本输出可直接存入文件或通过管道传输；3. 极易扩展，开发者可以随时让 AI 为自己编写新的工具脚本。

作者通过构建一套“浏览器工具集”展示了这一理念，包括启动浏览器、导航、执行 JS、截图、交互式选取元素（Pick Tool）以及获取 Cookie。最后，作者分享了如何通过设置环境变量和别名，在不同的 Agent（如 Claude Code）中复用这些工具，并呼吁开发者跳出 MCP 的框架，回归简单、灵活的开发模式。

---

主题：MCP 的局限性与 Bash 方案的兴起

当前 AI 圈对 MCP（Model Context Protocol）服务器推崇备至，但作者认为这种方式存在明显的效率问题。首先是 Token 消耗巨大：为了涵盖所有应用场景，流行的 MCP 服务器（如 Playwright MCP）通常包含数十个工具和冗长的描述，这会占用 Agent 大量的上下文空间，甚至导致模型混淆。其次是 扩展性差：修改现有的 MCP 服务器需要深入理解其代码库，这对开发者和 Agent 来说都是负担。最后是 缺乏组合性：MCP 的输出必须经过 Agent 上下文才能进行后续处理，无法像 Unix 命令那样通过管道或文件轻松协作。

相比之下，Agent 天生擅长编写代码和运行 Bash 命令。作者主张回归“简单即美”的原则，让 Agent 直接调用轻量级的 CLI 工具。这种方式不仅节省了 90% 以上的 Token 成本，还赋予了 Agent 更大的自由度，使其能够根据任务需求动态生成或调整工具。

主题：构建极简浏览器工具集

作者展示了一套基于 Node.js 和 Puppeteer Core 的极简工具集，仅通过一份 225 Token 的 README 就能让 Agent 掌握以下能力：

• 启动工具 (start.js)：支持启动全新的浏览器实例，或通过 rsync 快速同步用户的 Chrome 配置文件（包含登录状态和 Cookie），以便在受限页面进行抓取。
• 导航工具 (nav.js)：允许 Agent 在当前标签页或新标签页中跳转至指定 URL。
• JS 执行工具 (eval.js)：Agent 可以直接在页面上下文中执行任意 JavaScript 代码，利用 DOM API 读取或修改网页内容。
• 截图工具 (screenshot.js)：将当前视口保存为临时图片文件，Agent 随后可利用视觉能力进行分析。

这些工具的实现代码非常精简，通常只有几十行。由于模型已经具备深厚的 Web 开发知识，它们只需要知道如何调用这些脚本，而不需要冗长的 API 文档。

主题：动态扩展与交互式工具

这种“代码即工具”模式的最大魅力在于其灵活性。作者演示了如何快速添加一个“Pick Tool”（元素选择器）：当 Agent 难以分析复杂的 DOM 结构时，开发者可以运行该脚本，在浏览器中直接点击目标元素，脚本会将选中的元素信息（Tag、ID、Class、HTML 片段等）返回给 Agent。

此外，针对 MCP 难以处理的 HTTP-only Cookie 获取问题，作者仅用一分钟让 Claude 编写了一个专门的脚本并加入 README，问题便迎刃而解。这种“按需定制”的速度是传统 MCP 模式无法比拟的。

主题：跨 Agent 的复用与部署

为了在不同的 Agent 环境（如 Claude Code 或其他 CLI Agent）中复用这些工具，作者推荐了一套工程化方案：

1. 集中管理：将所有工具脚本存放在家目录下的 agent-tools 文件夹中。
2. 环境变量优化：通过设置 PATH 别名，让 Agent 可以在任何工作目录下直接调用这些脚本，无需频繁切换目录。
3. 命名规范：为脚本添加前缀（如 browser-tools-）以避免命令冲突。
4. 上下文注入：在 Agent 启动时，通过 /add-dir 或直接引用 README 文件，让 Agent 快速加载工具说明。这种方式比 Anthropic 的自动技能发现更可靠且更省 Token。

---

问答

问：为什么作者认为 MCP 服务器在 Token 使用上是不划算的？ 答：因为 MCP 服务器为了通用性，提供了大量工具和详尽描述。例如 Playwright MCP 占用约 1.37 万 Token，而作者的 Bash 方案 README 仅需 225 Token。模型本身懂编程，不需要重复学习基础 API。

问：Bash 脚本方案在“组合性”上有什么优势？ 答：Bash 脚本的输出可以重定向到文件或通过管道传递给其他命令，Agent 可以链式调用多个工具。而 MCP 的结果必须先返回给 Agent 上下文，增加了处理环节和 Token 消耗。

问：如何解决 Agent 需要登录状态进行网页抓取的问题？ 答：作者的 start.js 脚本提供了一个 --profile 参数，它会将用户本地的 Chrome 配置文件同步到临时目录并启动调试模式，使 Agent 能直接继承用户的登录 Session。

问：如果 Agent 无法理解复杂的网页结构，作者提供了什么解决方案？ 答：作者开发了一个交互式的 pick.js 工具。开发者可以在浏览器中手动点击选择元素，脚本会将该元素的详细元数据返回给 Agent，从而辅助其编写准确的抓取逻辑。

问：这种方案对非技术用户友好吗？ 答：相对不友好。这种方案更适合开发者，因为它需要一定的脚本编写和环境配置能力。但对于开发者而言，它提供了比 MCP 更高的自由度和执行效率。