Browser Automation

Browser Automation with Playwright MCP

Playwright MCPサーバーを使用したブラウザ自動化パターン集。

利用可能なMCPツール

ナビゲーション

• mcp__playwright__browser_navigate - URLに移動
• mcp__playwright__browser_navigate_back - 戻る

ページ情報取得

• mcp__playwright__browser_snapshot - アクセシビリティスナップショット（操作に最適）
• mcp__playwright__browser_take_screenshot - 視覚的なスクリーンショット
• mcp__playwright__browser_console_messages - コンソールログ
• mcp__playwright__browser_network_requests - ネットワークリクエスト

インタラクション

• mcp__playwright__browser_click - クリック
• mcp__playwright__browser_type - テキスト入力
• mcp__playwright__browser_hover - ホバー
• mcp__playwright__browser_drag - ドラッグ&ドロップ
• mcp__playwright__browser_select_option - ドロップダウン選択
• mcp__playwright__browser_press_key - キー押下

フォーム

• mcp__playwright__browser_fill_form - 複数フィールド一括入力
• mcp__playwright__browser_file_upload - ファイルアップロード

ダイアログ

• mcp__playwright__browser_handle_dialog - alert/confirm/prompt処理

タブ管理

• mcp__playwright__browser_tabs - タブの一覧/作成/閉じる/選択

その他

• mcp__playwright__browser_evaluate - JavaScript実行
• mcp__playwright__browser_wait_for - 待機
• mcp__playwright__browser_close - ブラウザを閉じる
• mcp__playwright__browser_resize - ウィンドウサイズ変更

基本ワークフロー

1. ページを開いて分析

1. browser_navigate でURLに移動
2. browser_snapshot でページ構造を取得
3. スナップショットから操作対象の ref を特定
4. browser_click / browser_type で操作

2. スナップショットの読み方

browser_snapshot の結果例：

- button "ログイン" [ref=btn-login]
- textbox "メールアドレス" [ref=email-input]
- textbox "パスワード" [ref=password-input]
- link "新規登録" [ref=register-link]

→ ref値を使って操作

3. クリック操作

browser_click:
  element: "ログインボタン"
  ref: "btn-login"

4. テキスト入力

browser_type:
  element: "メールアドレス入力欄"
  ref: "email-input"
  text: "user@example.com"
  submit: false  # Enterを押すか

5. フォーム一括入力

browser_fill_form:
  fields:
    - name: "メールアドレス"
      type: "textbox"
      ref: "email-input"
      value: "user@example.com"
    - name: "パスワード"
      type: "textbox"
      ref: "password-input"
      value: "password123"

実践パターン

パターン1: ログインフロー

1. browser_navigate: https://example.com/login
2. browser_snapshot: ページ構造を確認
3. browser_fill_form:
   - email: "user@example.com"
   - password: "****"
4. browser_click: ログインボタン
5. browser_wait_for: "ダッシュボード" (ログイン成功の確認)
6. browser_snapshot: ログイン後のページ確認

パターン2: 検索して結果をクリック

1. browser_navigate: https://example.com
2. browser_snapshot: 検索ボックスを特定
3. browser_type: 検索キーワード入力
4. browser_press_key: "Enter"
5. browser_wait_for: 検索結果の表示
6. browser_snapshot: 結果一覧を確認
7. browser_click: 目的の結果をクリック

パターン3: フォーム入力と送信

1. browser_navigate: フォームページ
2. browser_snapshot: フォーム構造を確認
3. browser_fill_form: 全フィールド入力
4. browser_take_screenshot: 入力内容を確認
5. browser_click: 送信ボタン
6. browser_wait_for: 完了メッセージ

パターン4: 動的コンテンツの待機

1. browser_click: ロードボタン
2. browser_wait_for:
   text: "データを読み込みました"
   # または
   time: 3  # 3秒待機
3. browser_snapshot: 新しいコンテンツを確認

パターン5: マルチタブ操作

1. browser_tabs: action="list"  # 現在のタブ確認
2. browser_tabs: action="new"   # 新しいタブを開く
3. browser_navigate: 新しいURLへ
4. browser_tabs: action="select", index=0  # 元のタブに戻る
5. browser_tabs: action="close", index=1   # 2番目のタブを閉じる

パターン6: JavaScript実行

browser_evaluate:
  function: "() => document.title"
  # → ページタイトルを取得

browser_evaluate:
  function: "() => window.scrollTo(0, document.body.scrollHeight)"
  # → ページ最下部へスクロール

browser_evaluate:
  element: "データ表示エリア"
  ref: "data-container"
  function: "(element) => element.innerText"
  # → 特定要素のテキストを取得

Tips

スナップショット vs スクリーンショット

• snapshot: 操作用。要素のref取得、構造把握に最適
• screenshot: 確認用。視覚的な状態確認、デバッグに最適

待機のベストプラクティス

# Good: テキストの出現を待つ
browser_wait_for:
  text: "読み込み完了"

# Good: テキストの消失を待つ
browser_wait_for:
  textGone: "読み込み中..."

# OK: 時間で待つ（最終手段）
browser_wait_for:
  time: 2

エラーハンドリング

1. 操作前に必ずsnapshot
2. 要素が見つからない場合はスクロールしてみる
3. 動的コンテンツはwait_forで待機
4. エラー時はscreenshotで状態確認

セレクタの優先順位

1. ref (snapshotから取得)
2. role + name (アクセシビリティ属性)
3. text content

トラブルシューティング

要素が見つからない

1. browser_snapshot で現在の状態を確認
2. スクロールが必要かもしれない
3. iframeの中かもしれない
4. 動的に生成されるなら wait_for

クリックが効かない

1. 要素が表示されているか確認（viewport内）
2. 他の要素に覆われていないか
3. disabled状態でないか
4. hover してから click

入力が反映されない

1. フォーカスが当たっているか
2. readonly/disabled でないか
3. JavaScript による入力制御がないか
4. slowly: true で1文字ずつ入力してみる