跨境电商浏览器自动化：Claude Code 集成 AdsPower MCP 实战

本文转载自 CSDN 作者「大鹏AI教育」的原创文章《跨境电商浏览器自动化：Claude Code 集成 AdsPower MCP 实战》，原文链接：https://zhangdapeng.blog.csdn.net/article/details/161016155?spm=1011.2415.3001.5331

本文仅作技术学习与自动化方案参考，版权归原作者所有，转载请以原文授权要求为准。

我是张大鹏，做了十多年人工智能，目前专注于 AI + 全栈教育培训。最近在帮一个跨境电商团队搭建 Instagram 矩阵自动化系统，说实话，最让人头疼的不是 AI 生成内容，是浏览器批量管理——几十个账号要同时操作，指纹隔离要可靠，还要能对接 AI 决策链路。调研了一圈，Claude Code + AdsPower MCP 是目前最优解。本文分享完整集成方案，适合想做浏览器自动化的开发者。

为什么选择 Claude Code + AdsPower？

跨境电商的浏览器管理痛点

做跨境电商的朋友都知道，多账号管理是刚需：

• 平台限制：Instagram、Facebook、TikTok Shop 等平台对多账号操作限制严格
• 指纹隔离：每个账号必须有独立的浏览器环境、IP、Cookie
• 批量操作：几十上百个账号，人工操作不现实
• AI 赋能：大模型要能控制浏览器，而不是只能生成文字

传统的解决方案：

• Selenium/Playwright：脚本控制，但需要人工写代码维护
• RPA 工具：录像模拟，无法与 AI 决策链路打通
• 指纹浏览器：解决了隔离问题，但 AI 无法直接控制

我的感受是：市面上的工具各有所长，但没有一站式方案。Claude Code + AdsPower MCP 的组合，让我看到了 AI 原生控制浏览器的可能性。

Claude Code 与 AdsPower 的互补关系

要理解这个组合的优势，先看一张整体架构图：

从图中可以看出三层的协作关系：

为什么是 Claude Code？

• 专为开发者设计的命令行 AI 编程助手
• 完整的文件系统访问权限
• Git 操作自动化
• 原生支持 MCP 协议

为什么是 AdsPower？

• 指纹浏览器领域头部厂商
• 官方提供 MCP Server（GitHub 开源）
• 20+ Local API 接口
• 支持 Selenium/Playwright CDP
  
  

三种集成方案对比

方案总览

一张图看懂三种集成方式的区别：

方案一：MCP 协议（推荐）

原理：Claude Code 通过 MCP 协议调用 AdsPower 提供的 38 个工具。

Claude Code (MCP Client)
       │
       │ claude mcp add adspower -- npx local-api-mcp-typescript
       │
       ▼
AdsPower MCP Server (local-api-mcp-typescript)
       │
       ▼
AdsPower Local API (http://127.0.0.1:50325)

配置步骤：

第一步：确保环境满足要求

第二步：在 Claude Code 中添加 MCP

# 打开 Claude Code，运行命令
claude mcp add adspower -- npx local-api-mcp-typescript

第三步：在 AdsPower 中开启 API

打开 AdsPower → 设置 → API设置 → 关闭"安全校验"

第四步：验证连接

重启 Claude Code，然后在对话中测试：

用户：列出所有浏览器环境
AI：正在调用 get_browser_list...

可用工具一览（共 38 个）：

我的感受是：MCP 协议是未来趋势，配置简单，AI 理解成本低。但目前 Claude Code 的 MCP 支持还有优化空间，复杂场景建议结合 HTTP API。

方案二：HTTP API（灵活）

原理：Claude Code 通过 Python 脚本调用 AdsPower Local API。

# ads_power_client.py
import requests
from typing import Optional, Dict, List, Any

class AdsPowerClient:
    """AdsPower Local API 封装"""
    
    BASE_URL = "http://127.0.0.1:50325"
    
    def __init__(self, api_key: str):
        self.headers = {
            "Authorization": f"Bearer {api_key}",
            "Content-Type": "application/json"
        }
    
    def create_browser(
        self,
        name: str,
        group_id: str = "default",
        country: str = "美国",
        proxy_type: str = "http",
        proxy_host: str = "",
        proxy_port: str = "",
        **kwargs
    ) -> Dict[str, Any]:
        """创建浏览器环境"""
        data = {
            "name": name,
            "group_id": group_id,
            "country": country,
            "proxy_type": proxy_type,
            "proxy_host": proxy_host,
            "proxy_port": proxy_port,
            **kwargs
        }
        resp = requests.post(
            f"{self.BASE_URL}/api/v2/browser-profile/create",
            headers=self.headers,
            json=data
        )
        return resp.json()
    
    def start_browser(self, profile_id: str) -> Dict[str, Any]:
        """启动浏览器，返回 WS 地址"""
        resp = requests.post(
            f"{self.BASE_URL}/api/v2/browser-profile/start",
            headers=self.headers,
            json={"profile_id": profile_id}
        )
        return resp.json()
    
    def get_browser_list(
        self,
        group_id: Optional[str] = None,
        page: int = 1,
        page_size: int = 100
    ) -> List[Dict]:
        """获取浏览器列表"""
        params = {"page": page, "page_size": page_size}
        if group_id:
            params["group_id"] = group_id
        
        resp = requests.get(
            f"{self.BASE_URL}/api/v2/browser-profile/list",
            headers=self.headers,
            params=params
        )
        data = resp.json()
        return data.get("data", {}).get("list", [])
    
    def close_browser(self, profile_id: str) -> Dict[str, Any]:
        """关闭浏览器"""
        resp = requests.post(
            f"{self.BASE_URL}/api/v2/browser-profile/stop",
            headers=self.headers,
            json={"profile_id": profile_id}
        )
        return resp.json()

使用示例：

from ads_power_client import AdsPowerClient

client = AdsPowerClient(api_key="your_api_key")

# 批量创建 10 个环境
for i in range(10):
    result = client.create_browser(
        name=f"INS_账号_{i+1}",
        country="美国",
        proxy_type="http",
        proxy_host="proxy.example.com",
        proxy_port="8080"
    )
    print(f"创建 {i+1}: {result.get('msg')}")

# 启动指定环境
info = client.start_browser(profile_id="h1yynkm")
ws_endpoint = info["data"]["ws_endpoint"]
print(f"WS 地址: {ws_endpoint}")

适用场景：

• 需要批量创建/管理环境
• 生产环境的自动化工作流
• 与现有 Python 项目集成

方案三：Playwright CDP（深度控制）

原理：通过 AdsPower 启动浏览器获取 WebSocket 地址，再用 Playwright 连接进行深度控制。

from playwright.sync_api import sync_playwright
import requests

# 第一步：通过 AdsPower API 启动浏览器
API_KEY = "your_api_key"
PROFILE_ID = "h1yynkm"

resp = requests.post(
    "http://127.0.0.1:50325/api/v2/browser-profile/start",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={"profile_id": PROFILE_ID}
)

ws_endpoint = resp.json()["data"]["ws_endpoint"]
print(f"连接到: {ws_endpoint}")

# 第二步：用 Playwright 连接该浏览器
with sync_playwright() as p:
    browser = p.chromium.connect_over_cdp(ws_endpoint)
    
    # 创建新页面
    page = browser.new_page()
    
    # 导航到目标网站
    page.goto("https://www.instagram.com")
    page.wait_for_load_state("networkidle")
    
    # 截图
    page.screenshot(path="instagram_home.png")
    
    # 填表/点击等复杂操作
    page.fill('input[name="username"]', 'your_username')
    page.fill('input[name="password"]', 'your_password')
    page.click('button[type="submit"]')
    
    # 等待登录完成
    page.wait_for_url("**/accounts/onetap/**", timeout=30000)
    
    # 获取页面内容
    content = page.content()
    
    # 关闭连接
    browser.close()

print("自动化完成！")

适用场景：

• 需要截图/录屏的复杂操作
• 表单填写、数据抓取
• 需要模拟用户行为的场景

三种方案的协作关系

这张图展示了实际项目中三种方案的协作方式：

完整工作流设计

实际应用示例

场景：Instagram 矩阵发帖

Step 1：批量创建环境（HTTP API）

# 创建 10 个 Instagram 账号环境
for i in range(10):
    client.create_browser(
        name=f"INS_矩阵_{i+1}",
        country="美国",
        user_def_config={
            "fingerprint": {
                "resolution": "1920x1080",
                "UA": "Chrome 134"
            }
        }
    )

Step 2：AI 指令发布内容（MCP 协议）

用户：帮我在 INS_矩阵_1 到 INS_矩阵_5 这5个账号上发布同一篇图文
      内容是：AI 时代的跨境电商运营技巧
      图片使用同一张产品图

AI：正在执行批量发布任务...
    - 调用 MCP create-browser 创建临时环境
    - 调用 Playwright CDP 登录每个账号
    - 调用 MCP screenshot 截图确认
    - 发布完成

Step 3：数据监控（Playwright CDP）

# 收集所有账号的发布效果
for profile_id in profile_ids:
    ws = client.start_browser(profile_id)["data"]["ws_endpoint"]
    
    with sync_playwright() as p:
        browser = p.chromium.connect_over_cdp(ws)
        page = browser.new_page()
        
        # 获取帖子数据
        page.goto(f"https://instagram.com/p/{post_id}/")
        likes = page.locator('button[type="button"] >> text="赞"').count()
        
        # 收集数据
        stats.append({
            "profile_id": profile_id,
            "likes": likes,
            "timestamp": datetime.now()
        })
        
        browser.close()

避坑指南

常见问题

安全建议

1. API Key 保护：不要硬编码在代码中，使用环境变量
2. 环境隔离：生产环境和测试环境分开
3. 操作日志：记录所有 API 调用，便于排查问题
4. 权限控制：最小化 API Key 的权限范围

我的建议

说实话，MCP 协议是未来，但 HTTP API 是现在。

• MCP 协议配置简单、AI 友好，适合快速验证
• HTTP API 稳定可靠，适合生产环境
• Playwright CDP 功能强大，适合复杂自动化

最佳实践是三者结合，用 MCP 处理 AI 指令，用 HTTP API 处理批量操作，用 Playwright CDP 处理复杂场景。

总结

核心要点：

• Claude Code + AdsPower MCP 实现了 AI 原生控制浏览器
• 三种方案各有优势，实际项目中可以结合使用
• 安全校验要关闭，但要注意环境可信
• 批量操作用 HTTP API，复杂自动化用 Playwright CDP

参考资料：

• AdsPower 官方 MCP 仓库
• Claude Code MCP 文档
• AdsPower Local API 文档

作者：张大鹏
团队：大鹏 AI 教育
日期：2026-05-12
版权声明：本文为「大鹏 AI 教育」原创，转载需注明出处