Skyvern MCP & Skills：让 AI 助手直接操控浏览器，RPA 行业要变天了

2026-03-04 | ProductHunt | 官网 | GitHub

Skyvern 的主界面：深色系设计，左侧是工作流编辑器，可以拖拽构建“购买产品”等自动化流程。右侧是高级设置面板，配置重试次数、错误处理策略等。整体给人感觉像是一个为开发者打造的 no-code 自动化控制台。

30 秒快速判断

这 App 是干嘛的：利用 AI + 计算机视觉操控浏览器，替代传统的 Selenium/Playwright 脚本。你只需用自然语言告诉 AI “帮我填这个表单”，Skyvern 就会自动去执行——完全不需要写一行 CSS 选择器代码。

值不值得关注：非常值得。这不仅仅是又一个 RPA 玩具。它拥有 20k GitHub Stars、YC S23 背景、6 人团队做到了 90 万美元年收入、刚融了 270 万美元——而且通过 MCP 协议，它直接让 Claude Code/Cursor 这些 AI 工具获得了“上网动手”的能力。它是 2026 年 Agent 生态里一块极其关键的拼图。

与我有关三问

与我有关吗？

目标用户是谁：

• 需要批量自动化网页操作的企业（如发票下载、政府表单填写、采购流程自动化）
• 使用 Claude Code/Cursor 写代码，但需要浏览器操作能力的开发者
• 想做 RPA 自动化但预算有限、养不起 Automation Anywhere（每月 750 美元起）的小团队
• 正在开发 Agent 产品，需要给 AI 接上“手和眼”的开发者

我是目标用户吗：如果你经常需要手动重复操作网页（爬取数据、填表、登录门户下载文件），或者你正在构建 AI Agent 且需要浏览器控制能力——那你就是它的核心用户。

什么场景会用到：

• “帮我登录供应商后台，下载上个月的所有发票” —— 用它
• “批量在招聘网站上搜索年薪 15 万美元以上的远程 Python 职位” —— 用它
• “填写政府的多页复杂表单，字段多达几十个” —— 用它
• “只是想看看某个网页长什么样” —— 不需要它，直接用浏览器就行

对我有用吗？

ROI 判断：如果你现在还在花时间写 Selenium 脚本或手动操作网页，Skyvern 几乎是稳赚不赔的选择。开源版免费，Cloud 版成本远低于传统 RPA。30 秒配置一行命令就能用，试错成本极低。

喜闻乐见吗？

爽点在哪：

• 30 秒配置：只需一行 JSON 命令，Claude Code 就能操控浏览器了。不需要配置 Python 环境，不需要 pip install，也不需要本地服务器。
• 自然语言控制：直接说“提交这个表单”就行，不用再写 document.querySelector('#btn-submit-form-v2').click() 这种反人类的代码。
• 网站变了也不怕：传统脚本在网站改版后就会失效，而 Skyvern 使用视觉理解，按钮换了颜色或位置它照样能精准找到。

“哇”的瞬间：

“Skyvern 被证明是开发自动化求职 MVP 的得力助手，提供了极其强大的浏览器自动化能力。” —— 来自 ProductHunt 用户评价

用户真实评价：

“Skyvern MCP 在浏览器自动化方面表现非常稳。我之前试过类似的工具，但 Skyvern 专门针对网页工作流做了优化，体验完全不同。” —— @49agents, Twitter

“使用视觉模型实现浏览器工作流自动化，太酷了。” —— @tom_doerr, Twitter (51 个赞)

给独立开发者

技术栈

• 后端：Python 3.11+
• 浏览器引擎：Playwright（SDK 在其基础上叠加了 AI 能力）
• 数据库：PostgreSQL（用于状态管理）
• AI/模型：多模型支持——GPT-5/GPT-4.1/O3、Claude 4.5 Opus/Sonnet、Gemini 2.5/3.0、AWS Bedrock，甚至支持本地 Ollama（可运行 qwen3-vl 等视觉模型）
• MCP Server：内置 33 个工具，涵盖 6 大类别

核心功能实现

Skyvern 的架构灵感来自 BabyAGI 和 AutoGPT，但强化了浏览器控制能力。它是一个多 Agent 系统：

1. LLM（认知大脑）：同时处理页面的截图视觉信息和 DOM 文本信息，构建对网页的完整理解。
2. 计算机视觉（眼睛）：它不只是看 HTML 代码，而是像人一样“看”页面——识别按钮、表单、链接，哪怕底层代码全变了也能找对地方。
3. Actor Agent + Validator Agent：一个负责执行操作，一个负责验证结果。如果验证失败，系统会自动纠错并重试。

简单来说：传统自动化看的是代码（选择器），Skyvern 看的是界面（截图）。网站改版对传统方案是灾难，对 Skyvern 来说只是“换了件衣服”。

开源情况

• 完全开源：核心逻辑 100% 托管在 GitHub 上，采用 Apache-2.0 协议。
• GitHub 表现：约 20k Stars, 1.7k Forks，社区非常活跃。
• Cloud 版额外功能：提供反检测、代理网络、验证码（CAPTCHA）自动识别、并行执行等高级功能。
• 安装一行搞定：pip install skyvern && skyvern quickstart

商业模式

• 变现方式：开源核心功能免费 + Cloud 云端版按月信用额度计费。
• 定价层级：Free（体验）/ Hobby（个人）/ Pro（生产环境）/ Enterprise（企业定制）。
• 参考价格：Cloud 版约为 0.10 美元/步骤。
• 团队规模：6 人。
• 收入水平：2024 年 6 月已达到 90 万美元年营收。

巨头风险

虽然面临微软 Power Automate 和谷歌 AI Agent 的竞争，但 Skyvern 的优势在于：

• 走的是“AI+视觉”路线，而大厂 RPA 产品仍多依赖传统选择器逻辑。
• 开源社区的 20k Stars 构成了坚实的护城河。
• 它是 MCP 协议生态的早期参与者，卡位精准。
• 6 人团队实现 90 万美元收入，证明了其极强的产品市场匹配度（PMF）。
• 真正的威胁可能来自 Perplexity Comet（免费且面向消费级）和同为开源的 Browser Use。

给产品经理

痛点分析

• 解决什么问题：传统浏览器自动化脚本极其脆弱——网站改个按钮颜色、挪个位置、换个 class 名，脚本就挂了。维护成本往往远超开发成本。
• 痛点有多痛：高频且刚需。大企业每年花费数十万美元维护 RPA 脚本，中小企业则因门槛太高只能手动操作。Skyvern 用视觉模型替代选择器，从根本上解决了这个问题。

用户画像

• 企业 IT 团队：负责内部工具自动化（如发票处理、HR 流程、采购）。
• 独立开发者：构建 Agent 类产品时需要浏览器操作能力。
• AI 工具重度用户：希望给 Claude Code/Cursor 增加“上网”能力的人群。
• 中小企业：需要自动化但用不起昂贵的专业 RPA 软件。

功能拆解

竞品差异

这张图展示了 Skyvern MCP 的核心定位：作为连接各种 AI Agent（Claude、Cursor、Codex 等）的“浏览器手臂”。图中展示了实际的自然语言指令示例，例如“从 Google Sheet 提取数据并运行保险自动化流程”。

可借鉴的点

1. MCP 作为分发策略：不执着于做独立 App，而是做“所有 AI 工具的浏览器插件”。Claude Code、Cursor 都能直接调用——这比单纯推自己的 UI 聪明得多。
2. 开源核心 + Cloud 增值：通过核心逻辑开源建立信任和社区，靠反检测、验证码识别等刚需功能实现商业化。
3. 30 秒配置体验：一行 JSON 就能跑通，极大降低了用户的试用门槛。
4. 从“按步”转向“按月”计费：让用户不再纠结每个动作的成本，使用体验更自然。

给科技博主

创始人故事

这是一个典型的“三次创业终成正果”的励志故事：

Suchintan Singh（CEO） 和 Shuchang Zheng 最早做了一个叫 Ikonomos 的工程师入职工具，结果犯了所有经典错误：不跟用户交流、为无关痛痒的功能争吵。第一次申请 YC 面试直接被拒，因为他们回答不了“为什么有人要用你的产品”。

被拒后，他们开始研读 Paul Graham 的博客和斯坦福创业课，彻底醒悟。随后做了第二个产品 Wyvern（ML 排名平台），在申请截止日当天赶出了申请，凭借“产品还没做完但已经有客户在等”的 Demo 成功杀入 YC S23。

后来他们 Pivot（转型）到了 Skyvern。登顶 Hacker News 榜首那天，他们一夜之间拿到了 3000 个 GitHub Stars、71 个会议邀约和 39 个 Cloud 候补名单。Singh 此前在 Faire 和 Gopuff 负责 ML 平台，曾参与创造了超过 1 亿美元的 GMV。Zheng 是 CMU 毕业的前 Lyft 工程师，他开发的测试工具曾被 1000 多名工程师使用。

如今这个 6 人团队，在 2024 年 6 月就已实现了 90 万美元的收入。

争议点/讨论角度

• AI Agent 到底能不能取代 RPA？ Skyvern 给出的答案是肯定的——用视觉代替选择器。但传统 RPA 巨头（UiPath、AA）也在疯狂加码 AI，这场生死战才刚刚开始。
• MCP 协议的垄断风险：这是 Anthropic 推动的标准，虽然 OpenAI 和 Google 都跟进了，但如果 MCP 成为事实标准，Skyvern 作为“原生 MCP 浏览器工具”的先发优势将非常巨大。
• 开源与商业化的平衡：核心逻辑全开源，如何防止被大厂 Fork？Cloud 版的反检测和验证码识别真的能构成长期壁垒吗？
• 6 人团队 90 万美元营收：人效比惊人，但这种极简模式能否支撑起大型企业客户的复杂需求？

热度数据

• PH Launch：164 票（中等热度）
• GitHub：约 20k Stars（极高热度）
• HN：曾多次登顶榜首
• Twitter：CEO 发布的 MCP Launch 推文获得近 4000 次曝光，社区反馈非常正面。
• 知名度：已入选“2026 年 50 个最佳 MCP Server”榜单。

内容建议

• 深度稿件角度：“RPA 已死？这家 6 人公司正在用 AI 视觉重新定义浏览器自动化”
• 蹭热点机会：MCP 协议大热，Claude Code/Cursor 生态话题性极强。
• 教程类内容：“30 秒让 Claude Code 学会像真人一样上网——Skyvern MCP 实战指南”

给早期采用者

定价分析

上手指南

• 上手时间：MCP 模式 30 秒，自部署模式 5 分钟。

• 学习曲线：极低。

• 操作步骤（最推荐的 MCP 模式）：

  1. 在 app.skyvern.com 注册并获取 API Key。
  2. 运行一行命令：claude mcp add-json skyvern '{"type":"http","url":"https://mcp.skyvern.com/v1/mcp","headers":{"x-api-key":"YOUR_KEY"}}'
  3. 直接在 Claude Code 里说：“帮我打开 Hacker News，抓取前 10 条标题” —— 搞定！

• 操作步骤（自部署模式）：

  1. 执行 pip install skyvern && skyvern quickstart。
  2. 选择 Docker Compose 部署方式。
  3. 根据提示配置你的 LLM API Key。

坑点与吐槽

1. Python 版本兼容性：必须使用 3.11/3.12/3.13 版本，低版本会安装失败。GitHub 上有不少关于此问题的 Issue。
2. 自动填充处理较弱：目前对某些复杂的自动填充（Autofill）输入框处理得不够完美。
3. 文档尚不完整：社区反馈文档的覆盖面还有待提高，新手可能会在某些高级配置上卡壳。
4. 消费端知名度不足：Trustpilot 上评价极少，说明它目前主要还是在开发者圈子里流行。

安全与隐私

• 数据存储：自部署模式下数据全在本地；Cloud 模式下数据会经过 Skyvern 服务器。
• 认证安全：支持集成 Bitwarden、HashiCorp Vault 等专业密码管理器。
• MCP 安全提醒：研究显示部分开源 MCP Server 存在漏洞，建议使用环境变量存储凭证，切勿硬编码。
• 安全审计：代码开源可查，但目前尚未见到权威的第三方安全审计报告。

替代方案

给投资人

市场分析

• RPA 市场：预计 2026 年达 352.7 亿美元，2035 年将增长至 2473.4 亿美元，年复合增长率（CAGR）达 24.2%。
• 超自动化市场：2025 年规模 630.6 亿美元，2035 年预计达 2873.8 亿美元。
• AI+RPA 融合趋势：到 2026 年，预计 58% 的企业将把 RPA 与 AI/ML 结合使用。
• 浏览器 Agent 新赛道：行业正从“写死”的 RPA 脚本向 AI 驱动的自适应自动化转型，这被视为 RPA 市场的“iPhone 时刻”。

竞争格局

Timing 分析

• 为什么是现在：MCP 协议于 2024 年底由 Anthropic 推出，2025 年 OpenAI 和 Google 相继支持，2026 年已成为行业事实标准。Skyvern 作为原生 MCP 浏览器工具，卡位极其精准。
• 技术成熟度：多模态 LLM（如 GPT-4V、Claude 3.5）在 2024 年才真正达到商用水平，视觉理解能力到 2025-2026 年才足够稳定以支撑复杂的浏览器自动化。
• 市场接受度：企业对 AI 自动化的接受度在 2025-2026 年迎来爆发，“Agentic Browser”概念正从极客玩具演变为生产力工具。

团队背景

• Suchintan Singh（CEO）：前 Faire/Gopuff ML 平台负责人，曾参与创造超 1 亿美元 GMV。
• Shuchang Zheng：CMU 硕士，前 Lyft 工程师，其开发的工具曾服务于千人规模的工程师团队。
• 团队规模：6 人（极度精简，人效比极高）。
• 创业经验：这是他们的第三次创业，既有失败的教训，也有极强的执行力。

融资与营收

• 孵化器：YC S23 成员。
• 总融资额：约 270 万至 343 万美元（种子轮，2025 年 12 月）。
• 投资方：Y Combinator, Unpopular Ventures 等。
• 营收情况：2024 年 6 月已实现 90 万美元年营收。
• 估值：未公开（种子轮预估在 1500 万至 2500 万美元区间）。

结论

Skyvern 是 2026 年 AI Agent 生态里的“浏览器手臂”——它不执着于做独立产品，而是致力于让所有 AI 工具都能上网“动手办事”。

资源链接

2026-03-04 | Trend-Tracker v7.3