Files
Obsidian/MyBestNanobot/自动化测试,snap 版 Chromium 和 Playwright 的 Chromium 的差异.md
2026-07-21 14:53:24 +08:00

11 KiB
Raw Permalink Blame History

核心差异:Snap 是一个容器/沙箱,Playwright 的是裸二进制。


1. 安装与运行方式

Snap Chromium Playwright Chromium
位置 /snap/chromium/3416/... ~/.cache/ms-playwright/chromium-1208/...
安装方式 Ubuntu snap 包管理器 Playwright install 脚本直接下载解压
运行环境 Snap 沙箱容器(受限的文件系统、权限、IPC) 普通用户进程,无额外容器层
更新 自动(snap 控制) 手动(与 Playwright 版本绑定)

2. 为什么 agent-browser 在 Snap 版上卡住

Snap 的安全模型对自动化工具很不友好:

  • 文件系统隔离:Snap Chromium 只能看到 /home/ubuntu/snap/chromium/ 下的数据,对 /tmp 等路径有受限访问
  • 进程间通信限制:agent-browser 通过 Chrome DevTools Protocol (CDP) 连接 Chromium,snap 的 AppArmor 配置可能阻塞或延迟这个连接
  • 无头模式问题:snap 版在 --headless=new 模式下经常需要额外的 --enable-unsafe-swiftshader 等参数才能正常工作
  • 会话残留:snap Chromium 崩溃或卡住时,agent-browser 的 daemon 还在等待 CDP 响应,导致后续命令全部超时

刚才的实际现象:

[chrome] <defunct>   ← 僵尸进程
agent-browser open ...  → 超时 124

就是 snap Chromium 启动后 CDP 连接挂起,agent-browser 一直等不到响应。


3. 为什么 Playwright 一直工作正常

Playwright 的 Chromium 是专门为自动化设计的:

  • 直接下载 .zip 解压,没有任何 snap/apparmor 沙箱层
  • Playwright 自己管理启动参数、user-data-dir、CDP 端口
  • 支持 --no-sandbox 无缝运行
  • 版本经过 Playwright 团队测试,确保 CDP 协议兼容性

4. 对 agent-browser 的建议

让 agent-browser 用 Playwright 的 Chromium,而不是 snap 版:

# 方式一:每次命令指定路径
agent-browser open https://example.com \
  --executable-path ~/.cache/ms-playwright/chromium-1208/chrome-linux64/chrome \
  --args "--no-sandbox"

# 方式二:环境变量(推荐)
export CHROME_PATH="$HOME/.cache/ms-playwright/chromium-1208/chrome-linux64/chrome"
agent-browser open https://example.com --args "--no-sandbox"

# 方式三:让 agent-browser 自己下载 Chrome for Testing
agent-browser install
# 这会下载到 ~/.cache/agent-browser/chrome/...

一句话总结:Snap 是给普通用户用的浏览器,Playwright 的是给机器人用的浏览器。自动化场景下,永远优先用 Playwright 的 Chromium 或 Chrome for Testing。


基于文档,我的日常自动化测试工作流应该这样分层执行:


一、环境准备(每次新会话只需确认一次)

# 1. 检查 Playwright Chromium(优先用,避开 Snap)
ls ~/.cache/ms-playwright/chromium-*/chrome-linux*/chrome

# 2. 如需要 agent-browser,强制指定 Playwright 的 Chrome
export CHROME_PATH="$HOME/.cache/ms-playwright/chromium-1208/chrome-linux64/chrome"

# 3. 确认目标服务在运行
curl -s http://129.211.173.87:PORT/health

原则:永远不用 Snap Chromium 做自动化,它是给用户手动浏览器的,不是给机器人的。


二、三级测试策略

级别 场景 工具 耗时
L1 视觉验证 "截图看看效果" Playwright 截图 10-30 秒
L2 功能验证 "点一下按钮看是否正常" Playwright 脚本 1-2 分钟
L3 E2E 回归 "跑一遍完整用户流程" Playwright Test + 断言 3-5 分钟

三、具体执行流程

L1:快速截图验证

# /home/ubuntu/.nanobot/workspace/tests/quick_screenshot.py
from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    browser = p.chromium.launch(
        executable_path="~/.cache/ms-playwright/chromium-1208/chrome-linux64/chrome",
        args=["--no-sandbox"]
    )
    page = browser.new_page(viewport={"width": 1280, "height": 800})
    page.goto("http://129.211.173.87:10002/")
    page.screenshot(path="/tmp/test_result.png", full_page=True)
    browser.close()

我执行这个脚本,截图返回给用户判断。

L2:交互功能验证

# 验证"特色展示"眼睛按钮点击后状态变化
page.goto("http://129.211.173.87:10002/admin")
page.fill('input[name="username"]', "admin")
page.fill('input[name="password"]', "abcd1234")
page.click('button[type="submit"]')
page.wait_for_url("**/admin/dashboard")

# 进入特色展示页面
page.goto("http://129.211.173.87:10002/admin/features")
page.click('tr:first-child .eye-icon')  # 点击第一个眼睛

# 验证 API 是否被调用(拦截网络)
with page.expect_response("**/api/features/**") as resp:
    page.click('button:has-text("保存更改")')
assert resp.value.status == 200

L3:完整 E2E 用例(Playwright Test)

# tests/test_admin_flow.spec.py
def test_feature_toggle_auto_save(page):
    page.goto("/admin/login")
    page.fill('[data-testid="username"]', "admin")
    page.fill('[data-testid="password"]', "abcd1234")
    page.click('[data-testid="login-btn"]')
    expect(page).to_have_url("/admin/dashboard")
    
    page.goto("/admin/features")
    # 点击眼睛,验证立即发送 PATCH 请求
    with page.expect_request("**/api/features/*/toggle") as req:
        page.click("tr:first-child .toggle-btn")
    assert req.value.method == "PATCH"

四、元素定位策略(按优先级)

文档里强调了这个,我实际执行时:

  1. 首选 Accessibility 语义(如果 agent-browser 可用)

    • role=button, name="保存更改" — 组件重构后依然稳定
  2. 次选测试专用属性(Playwright 推荐)

    • data-testid="login-btn" — 前端配合添加,最稳定
  3. 再次选语义标签

    • button:has-text("登录") — 比 CSS 层级稳定
  4. 兜底 CSS 选择器

    • .nav-bar > ul > li:nth-child(3) — 最脆弱,只在上面都不可用时用

永远不用的定位方式:截图像素匹配、OCR 识别坐标。那是 PyAutoGUI 的路线,不是浏览器自动化。


五、和 nanobot 工作流的结合

当用户说:

用户指令 我的执行
"截图看一下首页" L1:启动浏览器 → 访问 → 截图 → 返回图片
"测试一下登录功能" L2:写临时脚本 → 执行 → 报告结果
"验证特色展示自动保存" L2/L3:先定位元素 → 拦截网络 → 验证 API 调用
"跑一遍完整测试" L3:检查 test 目录有无 spec 文件 → 执行 pytest 或 playwright test

脚本位置:放在 /home/ubuntu/.nanobot/workspace/tests/ 下(不污染 ~/nanocode)。


六、反检测注意事项

如果测试的是第三方网站(如 fumamx.com):

  • 设置真实 User-Agent
  • 模拟真实鼠标轨迹(Playwright 默认已做)
  • 适当添加 page.wait_for_timeout(random.randint(500, 1500)) 模拟人类停顿

一句话总结我的测试能力

我可以用 Playwright + CDP 协议 控制真实 Chromium 浏览器,通过 DOM/AX Tree 语义定位 执行点击、填写、导航等操作,最后 截图或断言 验证结果。脚本放在 workspace,不污染项目代码。

蔡叔叔,这个理解对吗?需要我针对某个具体页面(比如 website-new 的访客端或后台)先跑一次 L1 截图验证看看?


这是一个很好的架构问题。我的判断是:


1. agent-browser 能被 Playwright + CDP 替代吗?

底层控制:完全可以替代。 Playwright 本身就是基于 CDP 的,能力只强不弱。

能力 agent-browser Playwright
CDP 控制 ✓ ✓(原生)
Accessibility Tree snapshot -i page.accessibility.snapshot()
语义定位 @eN refs get_by_role(), get_by_label(), get_by_text()
网络拦截 ✓ ✓(更成熟)
自动等待 ✓ ✓(业界最强)
截图对比 ✓ ✓ + 像素级 diff
录制视频 WebM ✓
并行/多 context session browser context 隔离
AI Chat ✓(内置) ✗(需自行封装)
Skills 分发 ✓(内置) ✗(但 nanobot 有 skills 系统)
稳定性 一般(Snap 兼容问题) 非常好

agent-browser 真正的独特价值只有两点:

  • 令牌优化的 AX Tree 输出(给 LLM 看很省 token)
  • 自然语言 Chat 接口(agent-browser chat "search google for...")

这两点可以用 Playwright + 一个简单的包装层来实现,不需要依赖 agent-browser 本身。


2. 应该做成 skill 吗?

应该。 理由:

你刚才的文档里已经沉淀了一套完整的测试方法论:

  • 环境检查(避开 Snap Chromium)
  • 三级测试策略(L1 截图 / L2 功能 / L3 E2E)
  • 元素定位优先级(AX > data-testid > 语义文本 > CSS 兜底)
  • 反检测注意事项

这些不是一次性的,而是可复用的工作流知识。做成 skill 后,任何项目都可以调用。


3. 理想的 skill 设计

不叫 agent-browser,叫 browser-automation 或 e2e-testing:

skills/browser-automation/SKILL.md
├── 环境检查(Playwright Chromium 路径、目标服务可达性)
├── L1 快速截图(一行命令生成截图)
├── L2 功能验证(拦截网络 + 断言)
├── L3 E2E 回归(Playwright Test 规范)
├── 元素定位策略(AX Tree > data-testid > text > CSS)
├── 反检测配置(真实 UA、随机延迟)
└── 常用脚本模板

这个 skill 底层用 Playwright + CDP,输出格式参考 agent-browser 的 Accessibility Tree(但自己做),不依赖 vercel-labs/agent-browser CLI。


4. 结论

不需要依赖 agent-browser。 Playwright + CDP 能力完全覆盖,稳定性更好。

应该做成 skill。 把文档里沉淀的方法论标准化,以后任何项目说"测试一下",我自动按 L1/L2/L3 策略执行。

要我现在就创建这个 browser-automation skill 吗?基于你刚才的文档内容。


蔡叔叔,汇报当前进展:


1. browser-automation skill 已完成 ✅

创建了技能文件:/home/ubuntu/.nanobot/workspace/skills/browser-automation/SKILL.md

包含脚本:

  • test_screenshot.py — L1 任意 URL 截图
  • test_navigate.py — L1 基础导航验证
  • test_baidu_search.py — L2 百度搜索(含 JS 绕过 visibility 技巧)
  • test_generic_search.py — L2 通用搜索框架

2. 百度测试验证通过 ✅

之前遇到的 headless 模式下百度搜索框 visibility 为 0 的问题,已用 page.evaluate JS 直接操作 DOM 绕过,成功搜索并截图。


3. 博客后台登录遇到障碍 ❌

访问 http://129.211.173.87:10002/admin/ 返回 404 Not Found。

检查后发现:

  • 端口 10002 确实有一个 Vite dev server 在运行(PID 1857)
  • 但 ~/nanocode/website-new/ 目录已不存在(被删除或迁移了)
  • 所以后台服务没有实际部署

需要你确认两点:

  1. website-new 项目现在在哪? 正确后台地址是什么?(之前不是 129.211.173.87:10002 吗?)
  2. 还要继续测其他场景吗? 比如:
    • 用通用搜索框架测试 Google / DuckDuckGo
    • 测试我们自己的其他项目(fumamxCRM 等)

请指示下一步 👆