适合谁
做浏览器智能体的团队、Agent 基础设施创业公司，以及把大模型工具调用接到真实网页任务上的开发者。技术栈多是 browser-use、Stagehand 或 Playwright MCP 驱动一个真实浏览器，代表最终用户操作。Agent 的预期是在没人盯着的情况下把任务做完。
解决方案
AI Agent 与浏览器智能体的验证码环节
Agent 跑到一半弹出验证码，整条任务链就断了。把识别接口注册成一个工具，让 Agent 自己取回 token 后继续执行。
要解决的问题
Agent 撞上 Turnstile 控件，在可访问性快照里看得见，却没有可以调用的工具去处理。任务链在中途停住，用户拿到一个做了一半的结果，报错信息也没什么可看的。Playwright MCP 这类服务本身不提供识别能力，解决办法只能是给 Agent 一个能内联调用、拿到结果就接着往下走的工具。
- 验证码作为一个执行步骤被处理，不再是异常中断
- 一份工具定义覆盖 Agent 会遇到的各种控件
- 任务不用交回人工就能跑完
- 识别是普通的工具调用，在 trace 里可以查到
配合使用
- browser-use
- LangChain
- CrewAI
- OpenAI Agents SDK
- Playwright MCP
- Stagehand
- Browserbase
- Skyvern
[ 04 ]关于这一项的常见问题
关于这一项的常见问题
一个 token 字符串，以及它对应的任务类型。Agent 把它写进控件读取的那个页面字段，页面有回调就触发回调，然后继续执行原来的计划。
接口本身就是两次 HTTP 调用，封装成 MCP 工具或者 OpenAI function 定义只要几行。本页给出可直接粘贴到 browser-use、LangChain、CrewAI 的工具定义。
在工具描述里写明 DOM 特征：cf-turnstile 容器、g-recaptcha 容器、写着确认你是真人的勾选框。描述里写清这些标志，模型的调用准确率明显高于只写验证码三个字。
这一类回传的是 cf_clearance cookie，不是表单 token。Agent 把 cookie 写进浏览器上下文再刷新页面即可，所以它是一个独立的任务类型。