AI 编程工具接管浏览器了——腾讯开源 BrowserSkill,Claude Code 直连你的登录态

它不玩 headless，玩「借窗」

先说清楚它和传统浏览器自动化的本质区别。

Playwright、Selenium、browser-use 这类工具的共同思路是：给 AI 一个全新的、空白的浏览器实例——没 cookie、没 session、没登录。所以任何需要登录的网站，第一道坎就是身份问题。

BrowserSkill 反着来。它在你正在用的浏览器里开一个独立的「Agent Window」，和你的日常窗口同属一个浏览器 profile——你在 Chrome 里登录过的 GitHub、飞书、公司内网，agent 打开同一个网址，天然就是登录状态。不需要交账号密码，不需要配置登录流程，凭证从头到尾没离开过你的机器。

链路上它是三层结构：agent 只会执行一条 bsk 命令 → 本地守护进程收到请求 → 通过 127.0.0.1 的 WebSocket 转给浏览器扩展 → 扩展在 Agent Window 里执行操作。agent 自始至终不直接碰浏览器，整条链路都在本机。

三条设计原则值得单独说：

agent 是访客，不是主人。 Agent Window 是独立窗口，你在屏幕上看得到它，你的其他窗口它碰不到。想用你已经开着的某个标签页？必须显式「借用」，用完归还。

人在回路。 遇到验证码、二次确认弹窗、需要付款的页面，agent 会主动停下来把控制权交还给你，你处理完它接着跑。这比硬刚验证码靠谱得多。

三条命令接入

下面是全部安装过程，命令逐字来自官方 README（0.3.0 版），macOS/Linux/Windows 全支持，浏览器支持 Chrome 和 Edge（Firefox 官方标注「计划中」）。

第一步，装 bsk CLI。

macOS / Linux：

Windows（PowerShell）：

装完验证：bsk --version。

第二步，把技能装进你的 agent。BrowserSkill 内置了一份教 agent 怎么用 bsk 的 skill，一条命令完成：

用空格键选中你在用的 harness（Cursor、Claude Code、Codex、OpenClaw、CodeBuddy、WorkBuddy、Pi、Hermes Agent 都在列表里），回车即装。想跳过交互可以直接指定：bsk install-skill --harness cursor --json。

第三步，装浏览器扩展（Chrome Web Store 或 Edge Add-ons 搜 BrowserSkill），然后跑一次体检：

它会检查二进制、守护进程、扩展三件套的配对状态，缺什么报什么。

有个坑提前说：README 明确提醒，如果你的 agent 沙箱每次执行完命令就回收后台进程，守护进程会被杀——官方给的方案是把守护进程放进常驻宿主环境，共享 BSK_HOME 并设 BSK_AUTO_START=0。另外 agent 的 shell 可能找不到新装的 PATH，用绝对路径或重启 agent 就好。

用 DeepSeek Harness 的有专属插件

单独拎一节，因为这对国内开发者可能最实用：BrowserSkill 给 DeepSeek Harness（dsh）做了 first-class 插件，装上后 dsh 会获得原生 browser_* 工具，还能在 Web UI 里实时看 agent 的浏览器会话。先装好 CLI 和扩展，然后：

插件自带 skill，dsh 用户不需要再跑 bsk install-skill。

它到底能替你干什么

四个场景，按实用度排：

内网系统自动化。 公司后台、工单、知识库——外部工具根本触不到，BrowserSkill 因为复用你的登录态天然可访问。让 agent 每天早上巡一遍新工单并汇总，是最典型的用法。

端到端验收。 写完页面让 agent 在真实 Chrome 里打开验收，不是 headless 模拟——你平时用哪个环境，它就在哪个环境测，结果更接近真实用户看到的。

重复后台操作。 导报表、批量改状态、核对数据，这类活最适合丢给 agent，遇到要确认的步骤它会停下来叫你。

取证截图。 0.3.0 新增的全页截图很好用：bsk screenshot --session <id> --full-page --out page.png，整页长图直接落盘。

说一句可能让你重新想想分工的话：agent 卡在登录墙上的原因从来不是能力不够，是我们不敢把钥匙给它——BrowserSkill 的答案是钥匙不用给，让它坐在你已登录的浏览器里当个守规矩的访客。

横评：什么时候轮到它

工具实操不说单口相声，四个方案放一起看：

我的选法：抓公开数据、跑自己起的服务，Playwright MCP 够用；凡是「需要我登录过的身份」的场景——内网、工单、后台——BrowserSkill 目前是我见过设计最干净的解法。两者不冲突，一个管公开网页，一个管你的身份。

边界和坑，一次说清

几件事必须诚实交代。BrowserSkill 不是 6 月横空出世的新东西，它是 2026 年 6 月 22 日首次开源的老项目，这波热度来自 9 月 16 日的 0.3.0（新增 canvas 支持、全页截图、远程网关、本地任务历史）加上 trending 曝光——但趋势是真的，单日新增星数占了总量的三分之一。

浏览器只支持 Chrome 和 Edge（其他 Chromium 系理论上可用），Firefox 还在计划中；Windows 只有 x64 构建。安全上，扩展的权限不小、能操作你 profile 里的页面，MIT 协议代码全开放，装之前建议花十分钟翻一眼源码。另外我这轮没有做大规模实测，文中命令与特性均逐字核对自官方 README 与 docs 文档（sandboxed-agents 等，0.3.0 口径），装完跑 bsk doctor 比什么都快。

装完先别急着关页面：你打算让 agent 替你操作哪个网站？是每天巡工单，还是帮你盯着某个后台数据？评论区报一下你交给它的第一个任务，踩到坑的也欢迎回来留言，我看看要不要出一篇踩坑合集。