我没看，但同事和朋友，和一些周边人都在讨论，我没看相关信息显得我一无所知不了解实事不跟潮流，跟人说话没得内容说，有时候就连价格啥的都不清楚，那就显得我很呆😳，这怎么行，让AI帮我总结一下这些新闻信息吧。好让我也知道具体大概是怎么个情况。
接着进一步完善prompt:
再加上制作网页的基本技术要求：
接着加上小米官网的ui样式总结就是给AI写任务说明，这个其实特别简单，就像跟朋友交代工作一样。你只要告诉它："你是个信息整理专家，现在要帮我做三件事：第一是用浏览器查找小米yu7发布会的所有新闻；第二是把重要内容都挑出来；第三是做成一个动态网页，风格要像小米yu7官网那样简洁大气。"要是不知道怎么写网页的技术要求，直接问豆包AI就能得到专业的建议。
很清楚一目了然，一句话的事，我又不用去网上大量收集信息，大概信息。
用到下面两个mcp
playwright
Playwright 是一个由微软开发的 自动化测试工具，主要用于 网页自动化 和 端到端测试。它支持多种浏览器（Chrome、Firefox、Safari、Edge），并允许你通过代码控制浏览器行为，比如：
- 点击按钮、填写表单（模拟用户操作）
- 抓取网页数据（爬虫）
- 测试网页功能（自动化测试）
- 生成网页截图或PDF
它比传统的 Selenium 更现代化，支持 无头浏览器（Headless） 和 跨浏览器测试，适用于前端开发、测试工程师和数据抓取。
对比其他工具
| 工具 | 特点 | 适用场景 |
|---|---|---|
| Playwright | 现代、跨浏览器、速度快 | 自动化测试、爬虫 |
| Selenium | 老牌、生态成熟 | 传统网页自动化 |
| Puppeteer | 仅限 Chrome | 简单爬虫、PDF生成 |
sequential-thinking
sequential-thinking 是 Model Context Protocol (MCP) 中的一个核心模块，主要用于 复杂任务分解 和 多步骤推理。它通过结构化的工作流引擎，让AI系统能够像人类一样分步思考和执行任务，比如：
- 任务拆解（将模糊需求转化为可执行步骤）
- 逻辑推理（按顺序执行子任务）
- 动态调整（根据执行结果优化后续步骤）
- 错误恢复（单步失败时自动尝试替代方案）
它比传统的 单次推理模型 更系统化，支持 上下文感知 和 自适应调整，适用于智能助手、自动化流程和复杂决策系统。
对比其他任务处理方式
| 工具/方法 | 特点 | 适用场景 |
|---|---|---|
| sequential-thinking | 结构化工作流、动态调整、容错性强 | 复杂任务处理、多步骤决策 |
| 单次推理模型 | 一次性输出、简单直接 | 简单问答、内容生成 |
| 传统编程工作流 | 硬编码流程、灵活性低 | 固定业务流程 |
| 强化学习 | 长期优化、训练成本高 | 动态环境决策 |
智能体
就是把这两个结合起来即可。
