ARTICLE · 1070411

【AI工具推荐】日增1300+Star!腾讯开源BrowserSkill,让AI Agent直接操控你的真实浏览器

发布时间：2026-09-24 15:43:38 最近访问：2026-09-24 15:43:18

日增1300+Star！腾讯开源BrowserSkill，让AI Agent直接操控你的真实浏览器

告别无头浏览器的登录地狱，AI编程助手终于能用你已经登录的浏览器干活了。

一、一个困扰AI编程助手两年的老大难问题，被腾讯解决了

2026年9月，GitHub Trending榜单上杀出了一匹黑马——BrowserSkill。

这个由腾讯开源的项目，上线不到48小时就飙升至GitHub热榜前三，单日Star增长超过1300颗，截至目前已累计获得4500+ Star。

为什么一个浏览器桥接工具能引发如此大的关注？因为它解决了一个困扰整个AI编程社区已久的痛点：

让AI Agent直接使用你已经登录的浏览器，而不是启动一个空白的无头浏览器。

用过Cursor、Claude Code、Codex这类AI编程助手的朋友都知道，当你让AI帮你去某个需要登录的内部系统、 staging环境、或者第三方Dashboard上执行操作时，几乎无一例外地会遇到同一个问题——

AI启动了一个全新的浏览器实例，没有Cookie、没有Session、没有任何登录状态。然后它就一头撞上了登录墙、2FA验证、CAPTCHA人机验证，然后彻底卡死。

BrowserSkill彻底改变了这个局面。

二、BrowserSkill到底是什么？

一句话定义：BrowserSkill是一个开源的浏览器桥接工具，它让任何能执行Shell命令的AI Agent（如Cursor、Claude Code、Codex、OpenClaw等）直接接入你正在使用的真实浏览器，复用你已有的登录会话来执行自动化任务。

🔹 核心架构：三层分离设计

BrowserSkill的技术架构非常精巧，由三个独立组件组成：

1. bsk CLI（命令行工具）

• 这是AI Agent直接调用的入口

• 用Rust编写，性能极高

• 任何能执行Shell命令的Agent都能直接调用

2. 本地守护进程（Daemon）

• 负责CLI与浏览器扩展之间的消息路由

• 通过本地IPC（进程间通信）与CLI通信

• 通过WebSocket（绑定127.0.0.1）与浏览器扩展通信

3. 浏览器扩展（Extension）

• 安装在Chrome或Edge浏览器中

• 在独立的「Agent Window」中执行自动化操作

• 用户的其他标签页完全不受干扰

关键设计决策：Agent永远不直接与浏览器对话。所有请求都必须经过CLI → Daemon → Extension这条链路，每一步都是可审计、可追踪的。

🔹 工作流程

AI Agent (Cursor/Claude Code/Codex)         ↓  Shell命令    bsk CLI (Rust编写)         ↓  本地IPC    bsk Daemon (后台服务)         ↓  WebSocket (127.0.0.1)    浏览器扩展 (Chrome/Edge)         ↓  Extension API    Agent Window (独立窗口)

用户的日常工作窗口完全不受影响，Agent在自己的专属窗口中安静地执行任务。

三、五大核心能力拆解

🔹 能力一：复用真实登录状态

这是BrowserSkill最核心的价值。Agent继承你浏览器的全部Cookie、Session、LocalStorage和登录状态，开箱即用。不需要为每个服务创建测试账号，不需要手动处理2FA，不需要绕过反爬检测。

直接打开GitHub Enterprise的内部仓库？可以。访问公司内部的Jira看板？没问题。检查AWS Console的资源状态？轻松搞定。

🔹 能力二：Human-in-the-Loop安全机制

当Agent遇到需要人工介入的场景时（如CAPTCHA验证、短信确认、高风险操作弹窗），它不会崩溃或静默失败，而是主动暂停并请求用户帮助：

bsk request-help --session <id> --reason "请完成验证码验证"

浏览器会弹出一个提示，请你完成操作，完成后Agent自动恢复执行。

🔹 能力三：Canvas可视化参考（v0.3.0新增）

最新0.3.0版本增加了对Canvas元素的智能识别能力。设计工具、地图应用、图表库这些用Canvas渲染的内容，以前对Agent来说是完全不可见的「黑洞」。现在Agent可以发现Canvas元素并返回带截图的类型化视觉参考，打通了最后一个视觉盲区。

🔹 能力四：全页面高分辨率截图

Agent可以捕获整页的高清截图，用于多模态调试：

bsk screenshot --session <id> --full-page --out debug-page.png

这对于UI回归测试、视觉对比等场景极其实用。

🔹 能力五：Tab借用协议

当Agent需要检查你正在使用的某个标签页时（比如localhost的开发服务器），它不能直接劫持。BrowserSkill实现了严格的Tab借用协议：Agent请求 → 用户审批 → 执行检查 → 归还标签页。整个过程透明可控。

四、5分钟上手指南

🔹 方式一：让Agent自动安装（推荐）

如果你使用Claude Code、Cursor等支持Slash命令的Agent，直接把下面这段话发给它：

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

Agent会自动下载CLI二进制文件、配置守护进程、引导你安装浏览器扩展。

🔹 方式二：手动安装

# 1. 安装CLI curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh  # 2. 检查安装状态 bsk status bsk doctor  # 3. 在Chrome/Edge中安装扩展（从Chrome Web Store搜索BrowserSkill）  # 4. 启动一个测试会话 bsk session start --url https://example.com

🔹 日常使用

安装完成后，在Agent中直接用斜杠命令调用：

/browser-skill open localhost:3000 and verify if the signup button renders properly

Agent会在你的浏览器中打开一个专属窗口，访问指定URL，然后返回操作结果。

五、对比竞品：BrowserSkill强在哪？

市面上让AI操作浏览器的工具不少，我们拿几个主流的做个对比：

维度	BrowserSkill	Puppeteer/Playwright	OS级GUI自动化
登录状态	✅ 直接复用真实会话	❌ 空白浏览器，需手动登录	✅ 用你的桌面
是否干扰用户	✅ 独立Agent窗口	✅ 后台运行	❌ 抢鼠标抢焦点
Agent可审计性	✅ CLI命令全部可见	✅ 代码可见	❌ 操作不透明
人机协作	✅ 内建request-help	❌ 需自行实现	❌ 需自行实现
跨平台	✅ macOS/Linux/Windows	✅ 全平台	取决于OS
安全隔离	✅ WebSocket本地通信	✅ 沙盒隔离	❌ 完全开放

BrowserSkill的核心优势在于：它既不像无头浏览器那样无法登录，也不像OS级自动化那样抢你的屏幕。它找到了一个完美的平衡点。

补充一个实际场景：假设你在开发一个内部管理系统，需要AI帮你检查某个表单提交流程是否正常。用Puppeteer，你得先配一套测试账号、搞定SSO登录、处理各种权限；用OS自动化，你的鼠标会被抢走；用BrowserSkill，你只需要告诉Agent「打开localhost:8080/admin，提交测试表单，截图确认结果」，30秒搞定。

🔹 为什么选择CLI而非MCP？

BrowserSkill选择做CLI而不是MCP Server，这是一个值得深思的架构决策。MCP Server需要在Agent的上下文窗口中预先注入所有工具定义，占用宝贵的上下文空间。而CLI只在调用时输出当前命令的结果，输出紧凑高效。对于一个需要频繁调用的浏览器操作工具来说，这种设计显著降低了token消耗。

六、为什么这个项目值得你关注？

🔹 1. 它代表了AI Agent工具链的演进方向

2026年的AI Agent赛道，竞争焦点已经从「模型能力」转向「工具集成」。谁能更好地连接真实世界，谁就赢得开发者。BrowserSkill解决的不是一个锦上添花的需求，而是一个阻塞性痛点——没有它，Agent的很多实际工作流根本跑不通。

🔹 2. 腾讯的开源诚意

MIT协议、TypeScript编写、三端适配（macOS/Linux/Windows）、完善的文档和Agent安装引导。这不是一个实验性项目，而是有明确产品路线图（已迭代到v0.3.0）的工程级作品。

🔹 3. 生态兼容性极强

支持Cursor、Claude Code、Codex、OpenClaw、CodeBuddy、Pi、Hermes Agent、DeepSeek Harness等几乎所有主流AI编程工具。不绑定任何特定模型或框架，真正的工具中立。

🔹 4. 社区热度爆棚

上线48小时冲上GitHub Trending前三，日增1300+ Star，Hacker News热议。开发者社区对「已登录浏览器自动化」这个需求的渴望程度，远超预期。

七、需要注意的风险

任何工具都有边界，BrowserSkill也不例外：

安全风险：Agent获得了你已登录浏览器的访问权限，意味着它理论上可以操作你账号下的一切。务必在可信场景下使用，不要在包含敏感操作的浏览器上启用。

权限管控：目前版本尚未提供细粒度的权限沙盒（如只允许读、不允许写）。团队使用时建议通过Tab借用协议来限制Agent的操作范围。

浏览器支持：目前仅支持Chrome和Edge（Chromium内核），Firefox还在计划中。

八、写在最后

BrowserSkill的爆火不是偶然。它精准命中了AI Agent从「Demo级玩具」走向「生产级工具」过程中最关键的一个卡点：Agent需要像人一样使用互联网，而不是在一个真空环境里假装使用互联网。

当你的AI助手可以像同事一样打开浏览器、用你的账号、查看你的Dashboard、验证你的UI、填写你的表单，然后安静地把结果还给你——这才是真正的人机协作。

🔗 项目地址：https://github.com/Tencent/BrowserSkill

📜 开源协议：MIT

⭐ 当前Star：4500+（持续快速增长中）

📦 最新版本：v0.3.0

关注「雷子AI工具箱」，每天一个AI神器，让你的效率翻倍🚀

相关学习资料