让AI帮你“接管”你的浏览器：腾讯开源 BrowserSkill，真正打通登录态的智能浏览器自动化工具

你是否遇到过这样的场景：想让 Claude 或 Cursor 帮你自动填写一个已登录的银行页面、抓取某电商后台的订单数据、或在 GitHub 私有仓库里批量创建 PR —— 但所有现有自动化工具都要求你另起无痕窗口、重新登录、甚至手动导出 Cookie？BrowserSkill 正是为解决这个“最后一公里”而生：它不模拟浏览器，也不新建会话，而是让 AI 代理直接、安全、非侵入地复用你当前 Chrome/Edge 中**真实、已登录、正在使用的标签页**。

它不是另一个 Puppeteer 封装，也不是 UI 自动化脚本框架，而是一套专为「AI 代理时代」设计的浏览器能力接入协议——通过轻量 CLI + 浏览器扩展组合，把你的个人浏览器变成 AI 可调用的“活体 API”。目前已被 Cursor、Claude Code、Codex、WorkBuddy 等十余个主流 AI 编程助手原生集成，Star 数已突破 3700，是中文开发者圈内增长最快的 AI Agent 基建项目之一。

核心功能

• 复用你当前所有的登录态：无需额外账号、无需导出 Cookie、不干扰你正在使用的微信网页版、飞书、Notion 或内部 OA 系统——AI 调用 bsk navigate https://work.weixin.qq.com 后，直接在你已登录的会话中打开新标签，所有权限、SSO、MFA 状态全部继承。
• 完全隔离的工作空间：AI 执行任务时，所有操作都在独立弹出的「Agent Window」中进行（非隐身窗口，但视觉上与你主浏览器分离），你可继续在主窗口写代码、查文档、回消息，互不抢占焦点、不关闭误关标签、不打断工作流。
• Shell 即接口，零绑定任意 AI Agent：只要你的 AI 工具支持执行 shell 命令（Cursor/Claude Code/Codex/DeepSeek Harness 等均支持），一行 bsk screenshot --full-page --out report.png 就能触发全页截图，无需修改 Agent 框架、不依赖特定模型或 SDK，真正实现“一次安装、处处可用”。
• 人机协同式容错机制：当遇到滑块验证码、二次确认弹窗、短信验证跳转等必须人工介入的环节，BrowserSkill 会主动暂停任务、高亮提示，并将控制权交还给你；你完成操作后，AI 自动恢复后续步骤，全程上下文不丢失。
• 精准标签页借用与归还：AI 不是粗暴新开标签，而是向你申请“借用”某个已打开的特定标签（例如你正在调试的 localhost:3000 页面），执行完 DOM 查询或表单提交后，自动将该标签页“归还”并保持原状，连滚动位置和输入框光标都不变。
• 长网页一键全屏截图：支持动态滚动截取整页（含懒加载内容），输出 PNG/PDF，且提供取消机制与进度回调；比传统 Puppeteer 截图更稳定（不因 JS 渲染延迟失败），比浏览器原生截图更可控（可指定 session、裁剪区域、超时阈值）。
• 沙箱环境友好部署：专为 AI Agent 沙箱场景优化——支持禁用自动启动（BSK_AUTO_START=0），通过共享 BSK_HOME 目录让多个沙箱进程共用同一后台 daemon，避免资源重复占用与端口冲突。
• 跨平台开箱即用：原生支持 Apple Silicon / Intel macOS、x64/ARM64 Linux、Windows x64；Chrome 和 Edge 官方商店一键安装扩展，其他 Chromium 内核浏览器（如 Brave、Arc）亦可侧载运行，Firefox 版本已在 roadmap 中。

技术亮点

• 双进程架构设计：CLI（bsk）作为命令入口与状态协调器，后台 daemon 负责与浏览器扩展通信；两者通过本地 Unix Socket（macOS/Linux）或 Named Pipe（Windows）高效交互，避免 HTTP 服务带来的端口占用与 CORS 问题。
• 基于 Chrome Extension Manifest V3 的安全通信：扩展采用最小权限原则声明 host 权限，所有指令经签名校验后才执行；CLI 与扩展间通信使用加密消息通道，敏感操作（如读取页面内容）需显式用户授权，符合现代浏览器安全模型。
• TypeScript 全栈类型保障：从 CLI 参数解析、daemon 事件总线、到扩展端 content script，全程 TypeScript 类型定义驱动，配合 JSDoc 注释生成完整 CLI help 文档与 API 参考，降低集成门槛。
• 无头模式 vs 实时窗口的智能选择：不同于 Puppeteer 默认无头、Playwright 强制新实例，BrowserSkill 根据命令上下文自动决策——bsk screenshot 启用可见窗口确保渲染准确，bsk eval 则复用后台标签节省资源，平衡性能与可靠性。
• 面向 Agent 的语义化命令集：提供 navigate、screenshot、eval、fill、click 等贴近自然语言理解的子命令，而非底层 WebDriver 协议封装，使 AI 更易生成正确指令，减少 hallucination 错误。

适合哪些人用

BrowserSkill 主要面向三类用户：

• AI 编程助手重度用户：如每天用 Cursor 重构前端组件、用 Claude Code 分析线上报错日志的工程师。案例：让 Cursor 自动在你已登录的 Sentry 控制台中，根据错误堆栈定位对应 release 版本，截图关键指标后插入 PR 描述。
• 低代码/自动化流程搭建者：需对接内部系统但无权限开发 API 的运营、产品同学。案例：用 WorkBuddy 每日 9 点自动打开已登录的 BI 平台，导出昨日转化漏斗报表 PDF，邮件发送给团队。
• Agent 框架开发者：希望快速为自家 AI 工具添加浏览器能力，又不想维护 Puppeteer 集群或处理 Cookie 同步难题的团队。案例：Codex 团队仅用 20 行代码集成 BrowserSkill Skill，即可让所有下游模型调用 bsk 命令。

快速上手

推荐优先使用 Agent 内置安装（最简）：

Set up browser-skill on this machine by following https://raw.githubusercontent.com/Tencent/BrowserSkill/main/AGENT_INSTALL.md

粘贴至 Cursor/Claude Code 等对话框，AI 将自动执行安装 CLI、引导扩展安装、配置环境变量全流程。

手动安装仅需三步：

1. 装 CLI：macOS/Linux 运行 curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh；Windows 用 PowerShell 执行 irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex；然后将 $HOME/.local/bin 加入 PATH。
2. 装扩展：Chrome 用户访问 Chrome Web Store 页面，Edge 用户访问 Edge Add-ons 页面，一键安装。
3. 验证运行：终端执行 bsk --version 确认 CLI 可用；再运行 bsk list sessions 查看是否检测到浏览器会话（需先打开 Chrome/Edge）。

同类对比 / 注意事项

• vs Puppeteer/Playwright：后者是通用浏览器控制库，需自行管理会话、Cookie、权限；BrowserSkill 是面向 AI 的“即插即用能力层”，专注解决登录态复用与人机协同，不替代底层控制，常与其共存（如用 Playwright 做测试，BrowserSkill 做 Agent 操作）。
• vs AutoGen Browser Tool：AutoGen 方案多依赖远程浏览器或无头实例，无法复用本地登录态；BrowserSkill 全链路运行于本地，隐私数据不出设备，且扩展可随时禁用。
• 注意事项：首次使用需手动允许扩展访问“在您访问的网站上运行”；Linux 用户若用 Snap 版 Chrome，需改用 .deb 安装包以支持 unpacked 扩展；Mac M1/M2 用户请确保 Rosetta 2 已启用（CLI 已原生适配 ARM64）。

项目信息

TypeScript · MIT 协议 · GitHub 项目地址 · Star 数：3716

如果你厌倦了为每个 AI 任务重复登录、复制 Cookie、切换窗口，BrowserSkill 就是你浏览器里最值得安装的「AI 协同开关」——它不改变你的习惯，只让 AI 真正成为你工作流中那个“懂你、信得过、用得顺”的数字同事。