Skyvern 用自然语言控制真实浏览器，借助 Vision LLM 与计算机视觉而非脆弱的 XPath/DOM 选择器，使自动化在 UI 变化后仍可运行。
用途：网页导航、表单填写、结构化数据提取、使用存储凭据登录，以及构建可复用的多步骤工作流。
主要能力：自然语言动作（点击、输入、滚动、悬停、拖拽）；带 JSON schema 校验与截图推理的结构化提取；凭据保险库及 2FA/TOTP 支持（二维码、邮件、短信）；可复用工作流含 23 种 block 类型、参数化运行与缓存脚本（重复执行快 10-100 倍）；75+ MCP 工具，涵盖会话管理、多标签页、iframe、网络检查与 HAR 录制。
使用方式：云端推荐 pip install skyvern，随后 skyvern setup 进行交互式客户端选择；也可在 Claude Code 配置中直接添加 MCP 服务器： { "mcpServers": { "skyvern": { "type": "streamable-http", "url": "https://api.skyvern.com/mcp/", "headers": { "x-api-key": "YOUR_SKYVERN_API_KEY" } } } } API Key 在 app.skyvern.com 获取。示例指令：导航到某站点并提取所有商品价格、登录账户下载最新发票、填写配送表单并提交、截取当前页面、构建每周一运行的工作流。
适用场景：需要跨站点执行的网页操作与数据采集、带登录与多因素认证的任务、需要可重复运行的多步流程。
限制：需自备 Skyvern API Key；资料未提供自托管部署细节、具体价格与配额信息；许可为 AGPL v3.0。