Travel Planner

travel-planner

🔴 v1.5.0 硬约束：唯一交付物 + 必跑 MCP

> v1.5.0 起明确写入 SKILL.md 顶部，作为 AI 必须遵守的硬规则：

硬约束 1：唯一交付物是【HTML 部署到 GitHub Pages 的 URL】

• ❌ 不允许 AI 把 PDF / Word / Markdown / 长图作为"输出"——PDF / Word / Markdown 是 chat 里的中间产物，HTML URL 才是交付物
• ❌ 不允许 AI 写"用浏览器 Cmd+P 打印为 PDF"——这是用户的后续操作，不是 AI 的输出
• ✅ 必须走 gh repo create + gh repo push + 返回 https://USERNAME.github.io/REPO/
• ✅ 必须：手机 / 电脑打开 URL 直接看（响应式 HTML）

硬约束 2：必跑高德实时数据（不能凭 LLM 记忆）

• ❌ 不允许 AI 凭训练数据写 POI 名称 / 地址 / 营业时间 / 评分 / 路线 / 通勤时间 / 餐厅推荐 / 酒店信息——这些数据必须实时查询
• ✅ 必须调高德 MCP maps_text_search / maps_search_detail / maps_geo 拿 POI 真实数据
• ✅ 路线时间/费用：调 MCP maps_direction_walking/driving/bicycling/transit_integrated（或 REST 兜底），写 duration_min、fare、description
• ✅ transports[].source 写 "amap-mcp" 或 "amap-rest-api"——不是 "ai-fallback" / 空
• ❌ 不允许 AI 凭训练数据写通勤时间——scripts/validate.py V8 阻断
• ⚠️ MCP 整站不可用（v2.0.0 P23 三层探针失败）：POI/天气等走 REST API 全量降级（详见 references/amap-mcp-usage.md §P23–P25）

硬约束 3：增量修改后必重跑 V1-V6 + V8 + V9 受影响项 + 重渲 HTML + 重部署

• ❌ 不允许 AI 自报告"修改完成"但没重渲 HTML / 没重部署 GitHub Pages
• ✅ 必须：python scripts/validate.py → 渲染 HTML → gh repo push → 返回新 URL

为什么 v1.5.0 要写硬约束

> 之前 v1.1 / v1.2 / v1.3 / v1.4 都没用——AI 看到 SKILL.md 顶部只是"这是什么" / "客户端适配层"这种"软描述"，没有强提示"这是硬规则、违反就阻断"。 > 实际使用中： > 1. 用户问"我在手机怎么看" → AI 推论"PDF"（错，应该是 GitHub Pages URL） > 2. AI 凭训练数据写 POI / 路线 / 餐厅 → 数据不准 / 过期 / 凭空编 > 3. AI 报告"✅ 全通过"但 V2 是 LLM 记忆算的 > > v1.5.0 修复：硬约束文字放 SKILL.md 顶部（AI 必看）+ scripts/validate.py V8 阻断（代码层校验）+ template.html JS 校验（用户可查）。

---

这是什么

一个客户端无关的旅行规划 Skill（兼容 Claude Code CLI / Hermes desktop GUI / 其他支持 MCP 的客户端）。输入：用户的旅行需求（目的地、日期、人数、偏好、禁忌）。 输出：一个单文件 HTML（卡片化、无外部依赖、可直接手机打开分享）+ 多轮对话里的方案迭代。

定位：生成出发前的参考坐标，不是假装旅行会逐小时照做的执行脚本。 （参考项目 trip-map-builder 的核心理念，本 skill 沿用。）

---

客户端适配层（v1.4.0 重构：覆盖 7 个客户端）

> v1.1 → v1.4.0 重大扩展：原版只覆盖 Claude Code CLI + Hermes desktop GUI 两个客户端。v1.4.0 起扩展到 7 个客户端：Claude Code / Hermes / Cursor / Codex CLI / Google Cloud Code / Trae / CodeBuddy——基本覆盖国内用户能接触到的所有 AI coding 客户端。 > > 核心原则： > 1. MCP tool 名字是跨客户端统一的（mcp__amap__maps_direction_walking 在 7 个客户端里都叫这个）—— 这是 MCP 协议的设计目标，AI 不用管客户端，只看自己工具列表 > 2. MCP 装/卸命令和配置位置因客户端而异——AI 按探测到的客户端走对应命令 > 3. Shell 执行方式有 3 种：!cmd 前缀（CC）/ 终端工具（Hermes/Cursor/Cloud Code/CodeBuddy）/ 直接 shell（Codex CLI） > 4. 重启策略也分：必须重启（CC / Cursor / Cloud Code / Trae / CodeBuddy）/ 不需要（Hermes）/ 项目级 config 改动热加载（Codex） > > 本节给出一套客户端感知的工作流，同一份 skill 在 7 个客户端跑出来的体验一致。

7 个客户端速查

| 客户端 | 平台 | 探测方式 | MCP 安装方式 | 配置位置 | Shell 执行 | MCP 重启 | |--------|------|---------|------------|---------|----------|---------| | Claude Code CLI | Mac/Linux/Windows 终端 | which claude 存在 | claude mcp add ... | ~/.claude.json | 用户输入 !cmd 前缀 | 必须：完全退出 CC 重开 | | Hermes desktop GUI | Mac 桌面 app | which hermes 存在 / 工具列表有 terminal() | hermes mcp add ... | ~/.hermes/config.yaml | AI 用 terminal() 工具直接跑 | 不需要（下次启动自动加载）| | Cursor | Mac/Win/Linux IDE | which cursor 存在 / 工具列表有 run_terminal_cmd | 编辑 ~/.cursor/mcp.json 或 IDE 设置面板 | ~/.cursor/mcp.json（全局）/ .cursor/mcp.json（项目）| AI 用 terminal / run_terminal_cmd 工具 | 必须：Cmd+Shift+P → Reload Window | | Codex CLI (OpenAI) | 终端 | which codex 存在 | codex mcp add ... | ~/.codex/config.toml（全局）/ .codex/config.toml（项目）| 直接 shell（Codex 自己跑）| 自动（项目级 config 改动热加载；全局 config 需重启会话）| | Google Cloud Code | 浏览器 / VS Code 扩展 | 在 Cloud Shell 终端 / VS Code 扩展里跑 AI | 编辑 ~/.cloudshell_cloudsdk_mcp.json 或 VS Code 设置 | ~/.cloudshell_cloudsdk_mcp.json | AI 用 terminal 工具 | 必须：重开会话 | | Trae (字节) | Mac/Win IDE | which trae 存在 | IDE 内 MCP 设置面板 | Trae 内部配置 | AI 用终端工具 | 必须：重启 IDE | | CodeBuddy (腾讯) | Mac/Win IDE | which codebuddy 存在 | IDE 内 MCP 设置面板 | CodeBuddy 内部配置 | AI 用终端工具 | 必须：重启 IDE |

> AI 怎么自检自己跑在哪个客户端（4 选 1）： > 1. which claude / which hermes / which cursor / which codex / which trae / which codebuddy 哪个存在 → 那个客户端 > 2. 工具列表里有没有 terminal() / run_terminal_cmd 工具 → 大概率是 GUI 客户端（Hermes / Cursor / Cloud Code / Trae / CodeBuddy） > 3. 工具列表里的 mcp__amap__* 等前缀都在 → 客户端已加载 MCP（CC / Hermes / Cursor / Codex 都有可能） > 4. 都探测不到 → 直接问用户一次："你用的是哪个 AI 客户端？Claude Code / Hermes / Cursor / Codex / Cloud Code / Trae / CodeBuddy？" > > 建议路径：先用 which 命令探（3 秒完成），探不到再问用户。

7 个客户端命令映射表

> AI 在执行任何 shell 命令前，先按本表翻译。不要硬编码 tool 数量或具体 tool 名字——mcp__amap__maps_direction_walking 这种 AI 应该看自己工具列表里实际加载的（如 CHANGELOG v1.0.1「动态探查原则」所述）。本表只列命令结构。

| 操作 | Claude Code | Hermes | Cursor | Codex CLI | Cloud Code | Trae / CodeBuddy | |------|------------|--------|--------|----------|-----------|------------------| | 加 MCP server | claude mcp add | hermes mcp add | 编辑 ~/.cursor/mcp.json + Cmd+Shift+P Reload | codex mcp add | 编辑 ~/.cloudshell_cloudsdk_mcp.json | IDE 内 MCP 设置面板 | | 加 HTTP MCP | claude mcp add --transport http | hermes mcp add --transport http --url | JSON "type": "http" + "url": "..." | codex mcp add --url | JSON "httpUrl": "..." | IDE 表单 | | 列 MCP | claude mcp list | hermes mcp list / hermes mcp ls | 看 ~/.cursor/mcp.json 文件 | codex mcp list | 看配置 JSON | 看 IDE 设置面板 | | 删 MCP | claude mcp remove | hermes mcp remove / hermes mcp rm | 编辑 ~/.cursor/mcp.json 删条目 | codex mcp remove | 编辑 JSON 删条目 | IDE 设置面板删 | | 跑 shell | 用户输入 !cmd 前缀 | AI 用 terminal() 工具 | AI 用 terminal / run_terminal_cmd 工具 | AI 自己跑 shell | AI 用 terminal 工具 | AI 用 IDE 终端工具 | | 配置位置 | ~/.claude.json | ~/.hermes/config.yaml | ~/.cursor/mcp.json | ~/.codex/config.toml | ~/.cloudshell_cloudsdk_mcp.json | IDE 内部 | | MCP 生效 | 必须完全退出重开 | 自动（下次启动）| Cmd+Shift+P → Reload | 项目级 config 自动 / 全局需重启 | 必须重开会话 | 必须重启 IDE | | 客户端命令 | claude | hermes | cursor | codex | —（Cloud Shell）| trae / codebuddy |

给 AI 看的 7 客户端决策树

Step 0 开头必做（1-3 步搞定客户端识别）：

1. 跑探测命令（哪个返回非空就选哪个）:
   - !which claude   (CC)
   - !which hermes   (Hermes)
   - !which cursor   (Cursor)
   - !which codex    (Codex)
   - !which trae     (Trae)
   - !which codebuddy (CodeBuddy)
   备注：Cloud Code 通常在 Cloud Shell 终端里 / VS Code Cloud Code 扩展里

2. 看工具列表：
   - 有 terminal() / run_terminal_cmd → GUI 客户端（4 个候选）
   - 没 → CC / Codex CLI（命令行客户端）

3. 探测不到任何 → 直接问用户一次

当且仅当探测到客户端 X（X ∈ {CC, Hermes, Cursor, Codex, Cloud Code, Trae, CodeBuddy}）：

• ✅ 用 X 客户端的 mcp add/list/remove 命令（参见上表）
• ✅ 用 X 客户端对应的 shell 执行方式（!cmd / terminal() / run_terminal_cmd / IDE 终端）
• ✅ 写配置到 X 客户端的配置文件（~/.claude.json / ~/.hermes/config.yaml / ~/.cursor/mcp.json / ~/.codex/config.toml / IDE 内部）
• ✅ 按 X 客户端的重启策略提醒用户
• ❌ 不要把 CC 的 claude mcp add 用到 Hermes / Cursor / Codex（命令不通用）

两套都不确定时：

• 直接问用户一次（最多 1 个问题），确认后整份 skill 走对应分支

> 为什么不让 AI 在多个客户端用同一套命令：CC / Hermes / Cursor / Codex / Trae / CodeBuddy 的 mcp add 语法不通用（subcommand 结构、flag 命名、配置位置、配置格式都不同），AI 强行混用会出现"看起来在跑实际不生效"的 silent failure，调试成本更高。 > > 跨客户端统一的部分（AI 不用管的）： > - ✅ MCP tool 名字：所有客户端里 mcp__amap__maps_direction_walking 都叫这个——MCP 协议的设计 > - ✅ MCP server 内部行为：高德 MCP server 在 7 个客户端里跑出来的结果完全一致（同一份 npm 包，同一份代码） > - ✅ 输出 JSON 结构：MCP tool 名字跨客户端一致；路线类 MCP 常只返回 duration/distance，无结果时 REST 兜底（§2） > > 所以 v1.3.0 的真实路径渲染 / v1.2.0 的餐厅调研 / v1.1.0 的代码级验证 / 等等，所有"AI 调 MCP tool"的部分都是跨客户端一致的——只有"装 MCP + 跑 shell + 重启"这三件事是客户端相关的**。

多客户端场景实战

场景 A：用户在 Cursor 触发

🟢 AI: 我跑探测命令… which cursor 返回 /usr/local/bin/cursor
      ├─ 客户端：Cursor
      ├─ 工具列表：有 terminal 工具（我直接跑 shell）
      └─ 配置位置：~/.cursor/mcp.json

      [编辑 ~/.cursor/mcp.json，加高德 MCP 条目]
      [Cmd+Shift+P → Reload Window（AI 不能做，必须用户）]
      🔴 AI: 请按 Cmd+Shift+P，输入 Reload Window，回车。
            完事告诉我「reload 好了」。

用户: reload 好了

🟢 AI: [tool: mcp__amap__maps_direction_walking origin=... destination=...]
      ✅ 通了。

场景 B：用户在 Cloud Code（Cloud Shell 终端里）触发

🟢 AI: 客户端是 Google Cloud Code（Cloud Shell 终端 / VS Code Cloud Code 扩展）
      配置位置：~/.cloudshell_cloudsdk_mcp.json

      [编辑 ~/.cloudshell_cloudsdk_mcp.json，加高德 MCP 条目]
      🔴 AI: Cloud Code 改完配置必须重开会话才能加载。
            请在 Cloud Shell / Cloud Code 扩展里开新会话。
            完事告诉我「新会话好了」。

场景 C：用户在 Codex CLI 触发

🟢 AI: which codex 返回 /usr/local/bin/codex → 客户端是 Codex CLI

      [tool: codex mcp add amap --url https://mcp.amap.com/mcp?key=... ]
      ✅ 项目级 config 自动加载（不需要重启）
      
      [tool: mcp__amap__maps_geo address=东京]
      ✅ 通了。

场景 D：用户在 Trae / CodeBuddy 触发

🟢 AI: which trae 返回 /usr/local/bin/trae → 客户端是 Trae IDE

      🔴 AI: Trae 的 MCP 装在 IDE 设置面板里，AI 改不了配置。
            请你打开 Trae → Settings → MCP → 加 server:
            - Name: amap
            - URL: https://mcp.amap.com/mcp?key=YOUR_KEY
            加完告诉我「加好了」。
      
      🔴 AI: 加完需要重启 Trae 加载 MCP。
            完全退出 Trae，重开。
            完事告诉我「重启好了」。

⚠️ 已知坑（v1.4.0 新增）

1. Cursor 的 MCP 配置在 IDE 设置面板里改的不写盘——必须编辑 ~/.cursor/mcp.json 文件才持久化
2. Cloud Code 浏览器端（不是 VS Code 扩展）改完 ~/.cloudshell_cloudsdk_mcp.json 必须重开会话才生效
3. Codex CLI 项目级 mcp_servers 用 TOML 格式，全局用 ~/.codex/config.toml——格式不同，AI 跑 codex mcp add 是统一入口，不需要手写 TOML
4. Trae / CodeBuddy 的 MCP 配置不暴露在文件系统——必须 IDE 操作
5. hermes mcp add 实际可能需要 -- 分隔符（如 hermes mcp add playwright -- npx @playwright/mcp@latest）——AI 跑前用 hermes mcp add --help 确认
6. CC 的 --transport http flag 和 Hermes 的 --transport http flag 位置不同（CC: --transport http ；Hermes: --transport http --url ）——按本表走对应命令

---

数据源 & MCP 依赖

> v1.2.0 重构：餐厅数据从"主推 opencli 深度档"改为"高德 POI + 美团攻略 WebFetch + 小红书"三件套，零装零扫码。opencli 降级为"深度档"（非要必吃榜 + 评价数才用）。 > > 国内优先：所有数据源都按"国内地点"优化选型与降级。

| 数据源 | 形态 | 用途 | 缺失降级 | |--------|------|------|----------| | 高德地图 | 官方 MCP https://mcp.amap.com/mcp?key=YOUR_KEY | POI 搜索、路线规划、地理编码、距离测量、天气、POI 详情（评分/营业时间/类型/人均/坐标） | 提示申请 Key，降级为通用知识 | | 美团攻略 🆕 | WebFetch guide.meituan.com（零装） | 国内 8 大热门城市（沪/京/蓉/穗/深/杭/渝/汉）的编辑过的好店清单（数据来源 = 大众点评公开数据 + 媒体评测） | 高德 text_search 按菜系搜兜底 | | 小红书 | Python skill autoclaw-cc/xiaohongshu-skills（python scripts/cli.py ...）| Step 1.5 目的地攻略（必去/避雷/分区）+ Round 3 店级氛围/排队软信号 | WebFetch xiaohongshu.com M 站 | | 大众点评（深度档）| OpenCLI + Chrome Browser Bridge 扩展（可选，非必需）| 必吃榜入选 + 真实评价数 + 排队实况 + 踩雷关键词 | 主轨方案已够用，不需要装 |

> 小红书数据源（v1.0.2 唯一方案）：用 autoclaw-cc/xiaohongshu-skills（Python CLI + Chrome 扩展）。详见 references/setup-guide.md §2 / references/xhs-research.md。 > > 餐厅调研 v1.2.0 主推组合：高德 POI 详情（坐标/营业/评分）+ 美团攻略（候选池）+ 小红书（软信号）= 零装零扫码。详见 references/dianping-research.md（已重构） / references/meituan-guide-research.md（新增）。

详见 references/amap-mcp-usage.md / xhs-research.md / dianping-research.md / meituan-guide-research.md。

---

主流程（7 步 + 3 轮迭代 + 增量修改）

Step 0：环境自检 + 引导（每次启动必做）
  ↓
Step 1：抽硬约束（Re-ground + 一次性问关键信息）
  ↓
Step 1.5：小红书目的地攻略（必做，决策输入）← v2.3.0
  ↓
Step 2：清单分组 + 酒店候选（受 Step 1.5 约束）
  ↓
Step 3：【3 轮分阶段筛检】（v1.5.0 核心）
   Round 1 结构筛 → Round 2 时空筛 → Round 3 体验筛
   每轮筛不同维度 + validate.py --round N
  ↓
Step 4：确认餐饮（Round 3 已补则跳过重复调研）
  ↓
Step 5：补票务 / 跨城交通
  ↓
Step 6：写参考文档（结构化输出）
  ↓
Step 7：渲染 HTML（assets/template.html + demo 数据 schema）
  ↓
【任何时候】用户说"改..." → 走增量修改路径（见 references/multi-turn-protocol.md）

---

Step 0：环境自检 + 引导（小白友好）

> 目标：零基础用户触发 skill 后，能在 5 分钟内跑起来。

0.1 自动检测

每次启动都做（不写 state.json，每次重新检测以反映真实状态）。先按「客户端适配层」确认客户端，再用本节的多源探测逻辑。

| 检测项 | 怎么检（客户端感知） | 必需 | |--------|--------|------| | 客户端类型 | 见「客户端适配层」探测三选一 | 🔒 必先做 | | Playwright MCP | 工具列表里有 mcp__playwright__*？或 客户端配置里有 playwright（按客户端走对应命令探：claude mcp list / hermes mcp list / 看 ~/.cursor/mcp.json / codex mcp list / 看 IDE 设置） | 🔒 强制前置（未装必须先装，详见 §0.3 情况 D） | | 高德 MCP | 工具列表里有 mcp__amap__*？或 客户端配置里有 amap server？或 环境变量 AMAP_KEY 非空？ | ✅ 必需 | | 小红书 Skill | python ~/xhs-skill/scripts/cli.py check-login 能跑通 | ⚠️ 推荐 | | 大众点评（深度档）| which opencli + Chrome 远程调试端口 9223 | 💡 可选（v1.2.0 起默认不推荐装）|

> 🔒 强制前置是什么意思：Playwright MCP 未装时，AI 不得进入 Step 1。必须先引导用户装好（或用户显式说"降级 / 跳过"）才能继续。详见 §0.3 情况 D。 > > 为什么改"客户端感知"：原版只检工具列表，Hermes 里 AI 看不到 CC 的 mcp__* 工具名（命名空间不同），单源检测在跨客户端会 false negative。多源 = 至少一个能命中就视为已就绪，更稳。

0.2 对话开头第一句话：自检结果展示

完整格式（AI 自己探出来啥就写啥，不要照抄下面的数字 / tool 名）：

> 🔍 探查方法（AI 必须自己跑）： > - MCP tool 类：看当前工具列表（系统自动注入），扫一遍 mcp__* 前缀工具；tool 数用按客户端对应的命令拿（CC: claude mcp list / Hermes: hermes mcp list / Cursor: 看 ~/.cursor/mcp.json / Codex: codex mcp list / 其他: 看 IDE 设置） > - CLI 类：用 which / --version / 试探 > - 小红书：跑 python ~/xhs-skill/scripts/cli.py check-login，返回"已登录"即 OK > > 展示原则：自检报告只列 AI 实际探到的内容——"13 个 tool" 这种数字、AI 报告"已就绪（可查 POI/路线/距离/天气）"这种功能列举，都是 AI 跑出来才写的，不是文档里抄的。

模板（AI 填实际值）：

🔍 环境自检（AI 探查）
├─ ✅/❌ ：（）
├─ ...

示例（仅供参考，AI 不得照抄）：

🔍 环境自检
├─ ✅ Playwright MCP：已就绪（按客户端命令探到 mcp__playwright__* 14 个 tool，**CC 走 `claude mcp list` / Hermes 走 `hermes mcp list` / Cursor 看 `~/.cursor/mcp.json` / Codex 走 `codex mcp list` / Trae-CodeBuddy 看 IDE 设置**）
├─ ✅ 高德地图 MCP：已就绪
├─ ✅ 小红书：已就绪（`python ~/xhs-skill/scripts/cli.py check-login` 返回"已登录"）
└─ ⏭️ 大众点评：未配置（v1.2.0 起**非必需**，主轨用"高德 POI + 美团攻略 WebFetch"）

小红书识别（v1.0.2 起只有 B 方案）：

• python ~/xhs-skill/scripts/cli.py check-login 能跑 → 走 B 方案（autoclaw-cc/xiaohongshu-skills）
• 跑不通 → 推装 B 方案，或降级为 WebFetch

状态分支（不依赖任何具体 tool 名，只看"探到了几个 mcp* 前缀"）：

• Playwright 不在（其他有几个无所谓）：🔒 不进 Step 1。强制走 §0.3 情况 D（推装 Playwright）
• Playwright 在 + 至少高德也在：直接进 Step 1，一句话带过自检
• Playwright 在 + 高德缺：AI 主动推装高德（必需项）
• Playwright 在 + 仅高德（小红书/点评都缺）：告知影响 + 提供「先配还是先用 demo」二选一

0.3 缺失时的引导流程

情况 A：完全没配过（小白的第一次）

Re-ground："travel-planner Step 0，环境自检。先把数据源配好才能查 POI / 路线。"

Simplify："5 分钟搞定，主要是注册一个高德账号拿 Key，复制一行命令就行。"

Recommend："我带你一步一步走，配完就能查东京的任意景点。"

Options：

• A. 跟着我一步步配（5 分钟）
• B. 先用 demo 演示（看成都示例，先不配）
• C. 我已经配过了

根据选择：

• 选 A → AI 主导走 references/setup-guide.md 的"高德（必需）+ 小红书（推荐，B 方案唯一）+ 大众点评（v1.2.0 起非必需）"流程，前提是用户已装 Playwright MCP（按客户端走对应安装命令：CC claude mcp add playwright npx @playwright/mcp@latest / Hermes hermes mcp install playwright / Cursor 编辑 ~/.cursor/mcp.json / Codex codex mcp add playwright -- npx @playwright/mcp@latest / Trae-CodeBuddy IDE 设置面板）。整个过程用户只介入 2-3 次（收短信、扫码、按客户端重启方式让 MCP 生效）。大众点评深度档只在用户明确要求"必吃榜 + 评价数"时才装
• 选 B → 渲染 examples/chengdu-2026-09-18.json（默认国内示例）让用户看效果，结尾再问"效果 OK 吗？OK 的话花 5 分钟配一下，以后就是做自己的行程了"
• 选 C → 重新检测，确认就绪后进 Step 1

> 没有 Playwright MCP 的退化：退到"半自动"模式，shell 步骤 AI 跑，浏览器步骤给命令用户手点（见 [references/multi-turn-protocol.md](references/multi-turn-protocol.md) §场景六·退路）。

情况 B：已有部分 MCP，只缺某一项

直接触发对应章节的引导，跳过已配置的。

情况 C：用户中途说"不配了 / 跳过"

尊重选择，明确告知降级影响（哪类数据不准），继续走流程。后续可在 Step 1 末再次询问"要不要回头配一下"。

情况 D：Playwright MCP 未装（🔒 强制前置，必须先处理）

> 关键规则：Playwright MCP 是 AI 主导配置的唯一入口。未装时 AI 不得自作主张降级、不得直接进 Step 1。必须先推荐安装，等用户做出选择（装 / 显式降级）才能继续。

Re-ground："travel-planner Step 0，环境自检。Playwright MCP 没装，整个配置流程都得你来手动开浏览器。我强烈推荐先装，1 分钟换后面全自动化。"

Simplify："装一个 Microsoft 官方的 Playwright MCP 就行。先告诉我你在哪个客户端，我给你对应命令："

按客户端走对应命令（AI 跑前必须先按 §客户端适配层 探测到客户端 X，再选 X 对应的命令）：

# Claude Code CLI（用户输入 ! 让 AI 跑，或 AI 用 terminal tool）
!claude mcp add playwright npx @playwright/mcp@latest

# Hermes desktop GUI（AI 用 terminal() 工具跑）
hermes mcp install playwright   # 优先用 catalog 方式（一键）
# 或 catalog 里没有时：
hermes mcp add playwright -- npx @playwright/mcp@latest

# Cursor（AI 编辑 ~/.cursor/mcp.json，然后引导用户 Cmd+Shift+P Reload Window）
# 编辑 mcpServers.playwright = { "command": "npx", "args": ["@playwright/mcp@latest"] }

# Codex CLI（AI 自己跑）
codex mcp add playwright -- npx @playwright/mcp@latest

# Cloud Code（AI 编辑 ~/.cloudshell_cloudsdk_mcp.json，引导用户重开会话）
# 编辑 mcpServers.playwright = { "command": "npx", "args": ["@playwright/mcp@latest"] }

# Trae / CodeBuddy（AI 改不了配置，引导用户 IDE 内加 + 重启 IDE）

**Recomm

…

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: SquirrelSong5
• Source: SquirrelSong5/travel-planner-skill
• License: MIT

Install and usage instructions live in the source repository linked above.