使用场景
数据采集或自动化测试工程师在目标站点启用反爬与验证码、常规 Playwright 脚本被拦截时,把该 MCP 服务接入 AI 代理,让代理在反检测 Firefox 上打开页面、点击并抓取,产出可用的页面数据或操作结果。
自建 Playwright/Selenium 加代理池与指纹补丁,或购买商业采集接口、雇人手工复制数据。
公开材料显示其定位是“undetected by anti-bots and captchas”,即脚本被风控拦截后需反复改指纹、代理与等待逻辑,任务中断且人工介入成本高;这是从产品定位与工作流推出的痛点,非用户口述。
xOcto 的判断
需求有依据
趋势是 AI 代理开始被要求进入有风控的真实网页,而不只是干净的 API;切入可放在需要登录、验证码或反爬的垂直数据场景(如跨境比价、招投标公告、渠道价格监测),卖点是稳定拿到结果而非提供浏览器工具,但合规边界必须先划清。
使用理由
为什么用户会选择它
相较自建脚本要自己维护反检测浏览器与指纹,它把反检测 Firefox 封装在 MCP 接口后,代理可直接调用同一套浏览动作,减少每次被拦后重写绕过逻辑这一步;推断长期跑受保护站点的采集团队会因此选择它,尚无用户反馈证实。
还不能轻易下结论的地方
真正值得继续追问的矛盾
追踪该仓库 issue 与 discussion 中关于被目标站点封禁、合规限制或企业采用的具体公开记录。