ARTICLE · 1042600
腾讯开源的 BrowserSkill:让 AI 助手直接用你的已登录浏览器
GitHub：https://github.com/Tencent/BrowserSkill Stars：5,276 | 语言：TypeScript | License：MIT
一、项目名称
Tencent/BrowserSkill
二、项目介绍
Cursor 和 Claude Code 这类 AI 编程助手直接操作你浏览器里已经登录好的页面。这件事说起来不复杂：你在微信后台、飞书文档或者某个内部工具里已经登录好了，AI 助手需要去这些页面里查个数据或者点个按钮，之前的做法要么让 AI 重新登录（账号密码还要记录），要么截图发给它让它看着猜。现在 BrowserSkill 把这两件事接通了：AI 助手通过命令行工具 bsk 可以看到你的浏览器标签页，可以在指定的页面上点击、填表、截图，任务结束后把标签页还给你，你继续正常工作。它支持 Chrome 和 Microsoft Edge，macOS、Windows 和 Linux 都能跑。
腾讯 PCG（平台与内容事业群）团队发布了一个开源项目，许可证是 MIT，截至发稿累计获得 5,276 个星标，近一个月保持日均 400 左右的增速。
▲ BrowserSkill 浏览器扩展工作界面
三、架构设计
BrowserSkill 由三个相互协作的组件构成：bsk CLI、bsk daemon（守护进程）和浏览器扩展。
bsk CLI 是命令行工具，安装后在终端里执行 bsk 系列子命令，比如 bsk session start、bsk click、bsk screenshot。它通过 Unix Domain Socket（Linux/macOS）或命名管道（Windows）与本地的 daemon 通信，默认把通信文件放在 ~/.bsk/run/daemon.sock。daemon 本身是一个常驻进程，监听本地 WebSocket 端口（默认 52800），等待浏览器扩展来连接。它负责管理 sessions（会话）和 browsers（已连接的浏览器扩展），每个 session 内部有一个队列来序列化操作请求，防止并发操作同一页面时出现竞态。
浏览器扩展是 Chromium MV3（Manifest V3）类型，在 Chrome Web Store 和 Edge 插件商店都有上架。它通过 CDP（Chrome DevTools Protocol）与用户标签页和 Agent Window通信，支持 21 种工具操作：点击、填表、截图、滚屏、拖拽、上传文件、执行 JavaScript 片段，等。扩展在安装后会弹出引导，让你把浏览器和 daemon 配对好，配对信息保存到本地，之后 daemon 重启不需要重新配对。
架构图里有一个关键设计点：AI 助手操作的是独立的「Agent Window」，而不是直接接管你正在工作的标签页。你自己的浏览器会话和 AI 的工作区完全隔离，AI 只能在它自己的窗口里行动，只有当你主动「借出」某个标签页给 AI 使用时，它才能操作那个页面上的内容。任务结束后标签页自动归还。
在沙盒环境（比如每次命令执行完就清空进程的 agent 沙盒）里，daemon 需要常驻在宿主机上，不能跟随沙盒的生命周期被回收。BrowserSkill 文档里专门有一节说明怎么在沙盒场景下通过 BSK_HOME 和 BSK_AUTO_START=0 来保持 daemon 存活。
标签页的借用通过 CDP 的 Page.bringToFront 和 Target.setAutoAttach 系列协议实现，扩展维护每个已连接标签页的 CDP Target ID，AI 发起操作请求时 daemon 找到对应标签页的 CDP 连接并转发。借用结束后扩展自动断开 CDP 连接，标签页回到用户控制。这个过程不需要用户手动刷新页面，扩展在归还时会确保页面状态和离开前一致。
四、快速上手
AI 助手安装方式最简单，直接把一行命令发给 AI：
Set up browser-skill on this machine by following https://raw.githubusercontent.com/Tencent/BrowserSkill/main/AGENT_INSTALL.md这条命令会触发 AI 自动下载安装脚本、配置环境变量、引导加载 BrowserSkill 技能。技能文件（SKILL.md）包含了各主流 AI 编程助手的接入说明，包括 Cursor、Claude Code、Codex、OpenClaw、DeepSeek Harness 等。
手动安装分三步：第一步装 CLI，macOS/Linux 执行 curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh，Windows 执行 irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex；第二步从 Chrome Web Store 或 Edge 插件商店安装扩展；第三步在 AI 助手的 skill 目录里装入 BrowserSkill 技能文件，之后 AI 就能通过 bsk 命令操作浏览器了。
验证安装是否成功，终端里跑 bsk --version 即可看到版本号。
五、实战场景
场景一：让 AI 填写你已经登录好的内部后台。有人要你整理一份上周的用户增长数据，你已经在公司内部 BI 系统里登录好了，AI 助手要进去导出报表。之前你得把账号密码或者 Cookie 发给 AI，现在只需要在 AI 开始工作之前，把那个标签页「借给」AI 用一下，它就能在自己的 Agent Window 里操作这个已登录的页面，数据填好之后标签页还给你，你刷新一下就能看到结果。
场景二：AI 任务遇到验证码自动暂停。AI 在页面上自动化操作时，遇到登录验证、图形验证码或者弹出的确认对话框，会停下来等你处理。你在浏览器里手动完成验证，AI 收到信号后继续执行后续步骤。这个设计让 AI 和人的边界很清楚：AI 负责重复劳动，人负责处理只有人能做的事情。
场景三：全页面截图。有些管理后台页面很长，普通截图只能截出可视区域，BrowserSkill 提供了长截图功能，通过 Quick actions 菜单里的「Full-page screenshot」或者命令行 bsk screenshot --session 触发，扩展会滚动页面并拼接成一张完整的 PNG 图片。支持的页面类型和取消操作在官方文档里有详细说明。
场景四：沙盒环境下的持续连接。AI 编程助手跑在每次命令执行完就清空进程的沙盒里时，daemon 必须独立于沙盒存活。BrowserSkill 支持把 daemon 部署在宿主机上，通过共享的 BSK_HOME 目录让沙盒里的 CLI 连接到同一个 daemon 实例，而不需要在每次任务里重新启动守护进程。
场景五：精准定位页面元素。AI 操作网页时需要点击按钮或者填写表单字段，光靠文字描述容易定位到错误的元素。BrowserSkill 通过引用系统（ref）来精确定位：每次页面变化后 AI 拿到一组带引用的元素列表，比如 @e3 对应某个按钮，@e7 对应某个输入框，后续操作命令里带上引用而不是描述性文字，扩展在执行时直接通过 CDP 找到对应的 DOM 节点，避免了基于坐标点击的脆弱性。
BrowserSkill 解决的是 AI 助手和真实浏览器之间的「最后一公里」问题：不重新登录，不靠截图猜谜，直接借用你已经在用的浏览器，把登录状态、页面内容和人机交互全部打通。腾讯内部已经有实际业务在用这套方案，代码开源三个月冲到五千多星。如果你经常需要让 AI 操作需要登录的网页，这款工具值得试一下。