BrowserSkill:让AI代理复用已登录浏览器并保持人工接管
给Shell型AI代理复用已登录浏览器的本地工具,任务在独立窗口运行,遇到人工步骤可接管。
GitHub Tencent/BrowserSkill 更新 2026-09-18 分支 main 星标 4.1K 分叉 295
TypeScript Rust 浏览器自动化 bsk CLI Chrome Microsoft Edge AI Agent

🧭 决策指南

适合,如果你

  • 你正在使用Cursor、Claude Code、Codex或其他可调用Shell的Agent。
    README「BrowserSkill Advantages」写明 any Agent that can call a shell 可通过 bsk CLI 使用;「Quick Start」列出这些 harness。
  • 你的自动化任务需要复用Chrome或Microsoft Edge中的真实登录状态。
    README「BrowserSkill Advantages」写明 Reuse real login state;「Runtime Environment」列出Chrome和Microsoft Edge。
  • 你希望Agent操作浏览器时继续使用自己的普通浏览器窗口。
    README「Keep working uninterrupted」写明任务运行在独立、可见的 Agent Window。
  • 你的流程会遇到captcha、login或confirmation dialogs等人工步骤。
    README「Built-in human-in-loop」写明Agent可请求用户接管,完成后继续。

不适合,如果你

  • 你的目标浏览器是Firefox,且不能接受README中planned状态的支持程度。
    README「Runtime Environment」明确写明Firefox is planned。
  • 你的Agent sandbox会在每条命令后回收后台进程,且无法提供持久主机环境运行daemon。
    README「Quick Start」说明此类sandbox需要将daemon放在persistent host environment。
  • 你需要Agent直接访问浏览器,而不是经由bsk CLI、daemon和扩展组成的本地桥接链路。
    README「How It Works」明确写明agent never talks to the browser directly。

前置条件

  • 本地运行bsk CLI/daemon和浏览器扩展两个runtime pieces。
  • 操作系统需为macOS(Apple Silicon或Intel)、Linux(x64或ARM64)或Windows x64。
  • 浏览器需为Chrome、Microsoft Edge,或支持unpacked Chromium extensions的其他Chromium浏览器。
  • 需要安装bsk CLI,并从Chrome Web Store或Edge Add-ons安装BrowserSkill扩展。
  • 使用Cursor、Claude Code、Codex等列出的harness时,可运行bsk install-skill安装skill。
  • 沙箱型Agent需要遵循sandboxed agent setup,并使用持久主机环境、共享BSK_HOME和BSK_AUTO_START=0。

第一步命令(README 原文)

bsk --version

要注意

  • 安装后当前Unix shell需要export PATH,旧PATH可能要求重启Agent。
    README「1. Install the bsk CLI」说明export PATH只作用于当前Unix shell,旧PATH可能需要重启Agent。
  • 普通用法默认自动启动;sandbox场景需设置BSK_AUTO_START=0。
    README「Quick Start」区分ordinary local use与sandboxed agent setup,并给出BSK_AUTO_START=0。
  • 手动借用已有标签页必须显式请求,不能默认操作用户其他窗口。
    README开头写明borrow that tab explicitly、return it when the task is done,并leave the rest of your browser alone。
  • 自定义SKILL.md会暂停自动更新,--force恢复内置skill会覆盖现有指令。
    README「3. Install the skill」说明local edits preserved and automatic updates pause;不带--source的--force会overwrite existing instructions。
  • DeepSeek Harness插件升级后需要重启profile,且插件不会自动更新。
    README「DeepSeek Harness plugin」写明Installed plugins do not update automatically,升级后Restart the profile。

材料未说明

  • README未说明支持哪些具体浏览器自动化API、元素定位能力或操作覆盖范围。
  • README未提供性能指标、并发会话上限或单个Agent Window的资源消耗。
  • README未说明登录凭据、Cookie或浏览器扩展权限的具体存储与安全模型。
  • README未给出Chrome Web Store和Edge Add-ons扩展的版本要求。
  • README未说明bsk CLI 0.3.0与README中各功能之间的版本对应关系。
  • README未说明Firefox planned功能的发布时间。
  • README未提供生产环境故障恢复、日志保留或远程部署方案。

💡 深度解析

6
适合 我部署环境是 Windows x64,浏览器是 Microsoft Edge,而且必须使用本机真实登录状态;BrowserSkill 是否满足我的操作系统、浏览器和本地运行限制?
适合读者: 使用 Windows x64 和 Microsoft Edge、需要在本地部署浏览器自动化而不能改用云端浏览器的开发者

适合,因为 Windows x64 和 Microsoft Edge 都在 README 的官方支持范围内,并且方案本身就是本地 CLI/daemon 加浏览器扩展。

  • Runtime Environment 表格列出 Windows x64;浏览器部分明确支持 Chrome 和 Microsoft Edge。
  • README 要求同时运行 bsk CLI/daemon 与浏览器扩展,符合本机浏览器会话复用模式。
  • Windows 的手动安装命令使用 PowerShell:irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex
  • 该项目不是纯云端控制服务,项目洞察明确指出本地 CLI/daemon 与扩展必须运行,因此不能脱离本机浏览器使用。

README 没有说明 Windows 企业策略、Edge 扩展权限或本地 WebSocket 限制下的部署结果。

  • Runtime Environment:"Windows x64"
  • Runtime Environment:"Chrome and Microsoft Edge are supported"
  • Manual install:"irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex"
  • README:"BrowserSkill has two local runtime pieces: the `bsk` CLI/daemon and the browser extension."
irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex
材料未说明:README 未说明 Windows 企业组策略是否会阻止扩展安装或本地连接。;README 未说明 Edge 在受管设备上的扩展权限要求。;README 未说明 Windows 防火墙或安全软件对 daemon 通信的影响。
适合 我同时维护 Cursor、Claude Code 和 Codex 的 BrowserSkill 指令,并对 `SKILL.md` 做了本地定制;我需要自动更新,但不能覆盖这些修改,BrowserSkill 的技能安装机制适合吗?
适合读者: 同时维护 Cursor、Claude Code 和 Codex 技能文件、需要保留自定义 `SKILL.md` 而不被自动更新覆盖的 Agent 工具维护者

适合,因为 README 明确提供多 Harness 安装、显式自定义来源和本地修改保护机制。

  • bsk install-skill 支持选择目标 Harness,README 列出的范围包括 Cursor、Claude Code 和 Codex。
  • 需要自定义指令时,可使用 bsk install-skill --harness cursor --source ./SKILL.md;显式 --source 会保持为 custom。
  • daemon startup、session startdoctor 只有在内容仍匹配上次安装版本时才自动更新,检测到本地编辑会暂停自动更新。
  • 需要恢复官方版本时,可使用不带 --source--force,但 README 明确说明这会覆盖现有指令。

这适合需要保留定制的维护流程;但 README 没有说明多个 Harness 之间如何同步自定义文件内容。

  • Install the skill:"bsk install-skill"
  • Install the skill:"bsk install-skill --harness cursor --source ./SKILL.md"
  • Install the skill:"Local edits are preserved and automatic updates pause"
  • Install the skill:"This second command overwrites the existing instructions."
bsk install-skill --harness cursor --source ./SKILL.md
材料未说明:README 未说明 Cursor、Claude Code 和 Codex 之间是否存在统一的自定义技能源。;README 未说明技能文件是否提供版本锁定、差异比较或回滚命令。;README 未说明自定义技能内容与 CLI 版本不匹配时的行为边界。
视情况 我用 Codex 或 OpenClaw,Agent sandbox 每次命令结束都会回收后台进程;我还需要让浏览器连接持续存在,BrowserSkill 能否适应这种部署约束?
适合读者: 运行在会回收后台进程的 Agent sandbox 中、需要把 daemon 放到持久化主机环境的 Codex 或 OpenClaw 使用者

视情况:项目明确支持这种 sandbox,但前提是把 daemon 放在持久化主机环境,而不是让它随命令退出。

  • Quick Start 警告说明,回收后台进程的 sandbox 可能清理 daemon,造成连接中断。
  • README 要求使用持久化主机环境,并配置共享的 BSK_HOMEBSK_AUTO_START=0
  • 普通本地使用默认启用自动启动;因此 sandbox 场景不能直接照搬普通本地配置。
  • CLI、daemon 和浏览器扩展仍需通过本地链路连接,README 没有说明跨容器、跨主机网络拓扑或权限配置。

如果你的 Codex/OpenClaw 能访问持久化主机并共享这些变量,则可行;否则不适合该运行模式。

  • Quick Start:"Using an agent sandbox that reaps background processes after each command?"
  • Quick Start:"keep the daemon in a persistent host environment and connect with a shared `BSK_HOME` plus `BSK_AUTO_START=0`"
  • Quick Start:"Ordinary local use keeps automatic startup by default"
bsk --version
材料未说明:README 未说明 sandbox 到持久化主机之间所需的具体网络、挂载和权限设置。;README 未说明 daemon 与 Agent 不在同一主机时是否属于官方支持拓扑。;README 未说明多个 Agent 是否可以共享同一个 daemon。
适合 我正在用 Cursor 或 Claude Code,并需要让 Agent 操作已经登录的企业 SaaS;我不想额外配置测试账号,也不能让自动化任务占用我正在使用的浏览器窗口,BrowserSkill 适合吗?
适合读者: 使用 Cursor 或 Claude Code、希望操作已登录企业 SaaS、又不想维护独立测试账号的个人开发者

适合,因为它正好覆盖真实登录态复用和窗口隔离这两个约束。

  • README 明确支持 Cursor、Claude Code,并通过可调用 Shell 的 Agent 使用 bsk CLI,不绑定某个模型或 Harness。
  • “Reuse real login state”允许 Agent 使用已经登录的网站,不必准备独立测试账号。
  • 任务默认运行在独立且可见的 Agent Window,用户可以继续使用自己的浏览器。
  • 如果确实要操作现有标签页,Agent 必须显式借用并在任务完成后归还。

不过,README 没有保证所有企业 SaaS 的页面结构、动态渲染或业务流程都能稳定自动化。

  • BrowserSkill Advantages:"Reuse real login state"
  • BrowserSkill Advantages:"Keep working uninterrupted"
  • README 开头:"It must borrow that tab explicitly, return it when the task is done"
  • 项目描述:"CLI + extension for browser automation across any shell-capable AI agent"
Set up browser-skill on this machine by following https://raw.githubusercontent.com/Tencent/BrowserSkill/main/AGENT_INSTALL.md
材料未说明:README 未说明目标企业 SaaS 的 DOM、动态渲染和业务流程兼容性。;README 未说明同一浏览器会话下可同时运行多少个 Agent Window。
视情况 我使用 Claude Code 或 Codex 操作真实企业后台,流程会遇到验证码、重新登录和确认对话框;支付、删除或提交动作必须由我确认,BrowserSkill 是否适合这种人机协同流程?
适合读者: 需要处理验证码、登录和确认对话框,但不能把支付或敏感提交完全交给 Agent 的企业后台自动化开发者

视情况:它适合把验证码、登录和确认步骤交给人工接管后继续,但不适合被当作完全无人值守的敏感操作系统。

  • README 的 “Built-in human-in-loop” 明确支持 captcha、login、confirmation dialogs 等人工步骤,并允许 Agent 在用户接管后继续。
  • 独立且可见的 Agent Window 便于用户观察执行状态,而不是在不可见的后台浏览器中运行。
  • 真实登录态复用会让 Agent 接触企业后台数据;项目洞察明确指出支付、生产管理后台和高敏感账户仍需要人工确认与权限隔离。
  • README 没有承诺能识别所有危险业务动作,也没有保证验证码或二次认证流程都能恢复。

因此,若流程允许人工暂停并确认,适合;若要求从登录到支付全程无人值守,则不适合。

  • BrowserSkill Advantages:"Built-in human-in-loop"
  • BrowserSkill Advantages:"when a task hits captcha, login, confirmation dialogs, or other human-only steps"
  • BrowserSkill Advantages:"browser tasks run in a separate, visible Agent Window"
  • 项目洞察 usage_limitations:"验证码、强制二次认证、支付确认和其他人工步骤仍需要用户参与"
bsk --version
材料未说明:README 未说明如何为支付、删除或表单提交配置逐动作确认策略。;README 未说明人工接管超时、会话过期或页面变化后的恢复机制。;README 未说明企业后台的审计日志和操作回滚能力。
适合 我使用 DeepSeek Harness,不想只通过通用 SKILL.md 调用浏览器,而是希望获得原生 `browser_*` 工具并在 Web UI 里查看会话;BrowserSkill 是否适合我的集成方式?
适合读者: 需要把浏览器能力接入 DeepSeek Harness,并希望在 Web UI 中查看浏览器会话的 Agent 集成开发者

适合,因为 README 为 DeepSeek Harness 提供了专门的插件集成,而不是要求你强行采用通用技能文件。

  • README 的安装说明明确指出,DeepSeek Harness 使用 dedicated plugin,区别于 Cursor、Claude Code 等主要依赖 SKILL.md 的 Harness。
  • 项目洞察说明该插件把 BrowserSkill 能力封装为原生 browser_* 工具,并可在 Web UI 查看浏览器会话。
  • 底层仍由本地 bsk CLI/daemon 和浏览器扩展组成,因此插件并不会消除本机运行时和扩展安装要求。
  • 当前最新发布为 cli-v0.3.0,项目只有 5 个 release,说明需要确认插件与当前 Harness 版本的兼容性。

README 摘要未提供插件安装命令,所以无法从给定材料写出可直接复制的第一步命令。

  • Install the skill:"DeepSeek Harness uses a dedicated plugin instead"
  • 项目洞察:"为DeepSeek Harness提供npm插件,使其可以使用原生browser_*工具并在Web UI中查看浏览器会话"
  • 项目数据:latest_release 为 cli-v0.3.0;release_count 为 5
材料未说明:给定 README 摘要没有提供 DeepSeek Harness 插件的具体安装命令。;README 未说明插件支持的 DeepSeek Harness 版本范围。;README 未说明 Web UI 会话查看是否需要额外服务或权限。

✨ 核心亮点

  • 复用真实登录状态,无需另建测试账号
  • Agent Window运行任务,不打断正常浏览
  • bsk CLI支持任意可调用Shell的Agent
  • 验证码和确认弹窗支持人工接管后续跑

🔧 工程化

  • bsk CLI、daemon与扩展通过本地IPC和WebSocket连接Agent
  • 支持Chrome、Microsoft Edge及部分Chromium浏览器
  • bsk screenshot支持Full-page screenshot导出长图

⚠️ 风险

  • Firefox仍标为planned,不能按已支持浏览器使用
  • 借用已有标签页必须显式请求并在任务后归还
  • 沙箱会回收后台进程,daemon需放在持久主机环境
  • bsk通过127.0.0.1 WebSocket连接浏览器扩展

👥 适合谁?

  • 使用Cursor、Claude Code或Codex的Shell型Agent开发者
  • 需要操作已有Chrome登录会话而不打断人工浏览的团队
  • 使用DeepSeek Harness并需要browser_*工具的开发者