AI Agent终于能自己上网了:BrowserOS+OpenCode 45个平台随便操作

一、AI Agent 最大的短板

2026 年了，AI Agent 已经能做很多事。

它能读代码、写文案、分析数据、生成图片。你给它一个任务，它思考几秒，输出一段完美的回答。

但你让它做一件最简单的事——打开浏览器，登录知乎，搜索"AI Agent"，把前 10 篇文章的标题抄下来——它就卡住了。

传统方案要么太重（Selenium/Puppeteer 需要写一堆脚本），要么太碎（每个平台单独对接 API），要么太假（模拟点击扛不过验证码）。

AI Agent 有大脑，没有手。

它能思考，但不能操作。能分析，但不能执行。能生成内容，但不能发布。

这个问题困扰了我很久，直到我遇到了 BrowserOS。

三层架构

● ● ●

二、BrowserOS 是什么

一句话：它给 AI Agent 装了一双真正的手。

BrowserOS 不是又一个浏览器自动化工具。它是一个完整的浏览器操作系统，专门为 AI Agent 设计：

┌──────────────────────────────────────────────┐
│              BrowserOS 架构                  │
├──────────────────────────────────────────────┤
│                                              │
│  ┌──────────────┐    ┌──────────────────┐  │
│  │  17 个 MCP   │    │  45 个 SaaS      │  │
│  │  浏览器工具   │    │  连接器           │  │
│  │              │    │                  │  │
│  │  • 导航      │    │  • Twitter/X     │  │
│  │  • 点击      │    │  • Reddit        │  │
│  │  • 填表      │    │  • 知乎           │  │
│  │  • 截图      │    │  • B站            │  │
│  │  • 提取文本  │    │  • 小红书         │  │
│  │  • 执行 JS   │    │  • 微博           │  │
│  │  • 管理标签  │    │  • YouTube       │  │
│  │  • 网络请求  │    │  • LinkedIn      │  │
│  │  ...        │    │  • ...           │  │
│  └──────┬───────┘    └────────┬─────────┘  │
│         │                      │            │
│         └──────────┬───────────┘            │
│                    ▼                        │
│           ┌────────────────┐               │
│           │  Chrome 扩展    │               │
│           │  (真实浏览器)   │               │
│           └────────────────┘               │
│                                              │
└──────────────────────────────────────────────┘

三层设计，各司其职：

第一层：17 个 MCP 浏览器工具。 这是"手"的基本动作——打开网页、点击按钮、填写表单、截图、提取文本、执行 JavaScript。任何浏览器操作都能拆解成这 17 个基本动作的组合。

第二层：45 个 SaaS 连接器。 这是"手"的高级技能——已经为你封装好了 Twitter、Reddit、知乎、B站、小红书、微博、YouTube、LinkedIn 等 45 个平台的高频操作。不需要自己写 CSS 选择器，不需要研究每个平台的 API，直接调用。

第三层：Chrome 扩展。 这是"手"的物理基础——所有操作都通过你真实的 Chrome 浏览器执行，使用你的登录态，你的 Cookie，你的身份。不需要单独登录，不需要过验证码。

关键区别：BrowserOS 操作的是你自己的浏览器，用你自己的身份。 这不是模拟，是真实的操作。

● ● ●

三、跟 OpenCode 集成：0 行代码修改

我用的是 OpenCode 作为 AI Agent 运行时。集成 BrowserOS 之前，我做了最坏的打算：改源码、写适配层、处理兼容性。

结果：0 行代码修改。

BrowserOS 原生支持 OpenCode，体现在三个层级：

第一层：catalog.rs（工具注册）

BrowserOS 的 Rust 源码中，catalog.rs 负责注册所有 MCP 工具。OpenCode 的工具格式已经内置在里面了。不需要手动注册，不需要写适配器。

第二层：client-configs.ts（客户端配置）

BrowserOS 的 TypeScript 配置中，client-configs.ts 已经预置了 OpenCode 的连接参数。包括 MCP 端点 URL、工具命名规范、消息格式。

第三层：harness.rs（运行时框架）

BrowserOS 的测试框架 harness.rs 已经包含 OpenCode 的测试用例。你可以直接跑集成测试，验证连接是否正常。

三层都已就绪，你要做的只是配置 MCP 连接。

集成对比

● ● ●

四、5 分钟接入指南

Step 1：安装 BrowserOS

# 下载 BrowserOS.app
# 拖到 /Applications/
# 启动
open /Applications/BrowserOS.app

启动后，BrowserOS 会自动开启三个端口：

Step 2：配置 OpenCode MCP

在 ~/.config/opencode/opencode.json 中添加 BrowserOS MCP 服务：

{
  "mcp": {
    "browseros": {
      "type": "remote",
      "url": "http://127.0.0.1:9200/mcp",
      "enabled": true
    }
  }
}

就这一段配置。没有一行代码。

Step 3：验证连接

重启 OpenCode，检查 MCP 工具是否加载：

# 检查 BrowserOS 进程
ps aux | grep BrowserOS

# 检查端口
lsof -i :9200

# 检查 MCP 工具数量
# OpenCode 启动日志会显示加载了多少个 MCP 工具

如果看到 17 个浏览器工具 + 45 个 SaaS 连接器，接入成功。

● ● ●

五、实测：让 Agent 操作 45 个平台

接入完成后，Agent 现在能做什么？

场景 1：社交媒体监控

"帮我看看 Twitter 上今天关于 AI Agent 的热门讨论，总结前 5 条"

Agent 的操作链路：

1. 1.调用 browser_navigate → 打开 twitter.com
2. 2.调用 browser_snapshot → 获取页面结构
3. 3.调用 browser_find → 搜索 "AI Agent"
4. 4.调用 browser_snapshot → 获取搜索结果
5. 5.调用 browser_click → 逐条点开热门推文
6. 6.调用 browser_evaluate → 提取文本内容
7. 7.汇总分析 → 输出总结

全程不需要你写一行代码。 Agent 自己决定调用哪些工具、按什么顺序执行。

场景 2：内容发布

"把我写的这篇文章发到知乎"

Agent 的操作链路：

1. 1.调用 browser_navigate → 打开 zhihu.com
2. 2.调用 browser_snapshot → 检查是否已登录
3. 3.调用 browser_click → 点击"写文章"
4. 4.调用 browser_fill_form → 填入标题和正文
5. 5.调用 browser_click → 点击"发布"

用的是你自己的 Chrome 登录态。 不需要单独配置 API Key，不需要过验证码。

场景 3：数据采集

"从小红书上抓取最近 20 条关于'平价护肤品'的笔记，整理成表格"

Agent 的操作链路：

1. 1.调用 browser_navigate → 打开 xiaohongshu.com
2. 2.调用 browser_find → 搜索"平价护肤品"
3. 3.调用 browser_evaluate → 滚动加载更多
4. 4.循环调用 browser_snapshot + browser_evaluate → 逐条提取标题、点赞数、评论数
5. 5.整理成 Markdown 表格 → 输出

45 个平台，每个都已经预置了高频操作的封装。你不需要研究每个平台的 DOM 结构，Agent 直接就能用。

核心数据

● ● ●

六、跟传统方案的对比

BrowserOS 的核心优势：不是更快，而是更自然。

Agent 不需要知道"怎么操作浏览器"，它只需要知道"我要做什么"。BrowserOS 负责把意图翻译成浏览器操作。

● ● ●

七、AGPL 许可证：不用慌

看到 BrowserOS 是 AGPL 协议，很多人第一反应是"会不会传染我的代码"。

答案是：不会。

AGPL §13（网络使用条款）的触发条件是：你修改了 AGPL 代码并通过网络提供服务。

我们的使用方式是：

• ●不修改 BrowserOS 源码（0 行修改）
• ●不通过网络对外提供服务（本地 MCP 连接）
• ●只作为 MCP 客户端调用（消费者角色）

因此 AGPL §13 不触发。你的项目代码不受影响。

MCP调用流程

● ● ●

八、技术细节：MCP 协议

BrowserOS 跟 OpenCode 之间通过 MCP（Model Context Protocol）通信。MCP 是 Anthropic 提出的标准协议，专门用于 AI Agent 与外部工具的通信。

┌──────────┐     MCP 协议     ┌──────────┐
│  OpenCode │ ←────────────→ │ BrowserOS │
│  (Agent)  │    JSON-RPC     │  (Server) │
│           │    over HTTP     │           │
│  调用工具  │ ←────────────→ │  执行操作  │
│  接收结果  │                 │  返回数据  │
└──────────┘                  └──────────┘
     │                             │
     │  127.0.0.1:9200/mcp         │
     │  (本地连接，无网络暴露)       │
     └─────────────────────────────┘

MCP 的好处：

• ●标准化：任何支持 MCP 的 Agent 都能接入，不限于 OpenCode
• ●解耦：Agent 不需要知道浏览器操作的具体实现
• ●安全：本地连接，不暴露到公网
• ●可扩展：BrowserOS 新增工具，Agent 自动可用

● ● ●

九、这套东西能用来做什么

个人效率

• ●自动监控 45 个平台上的关键词提及
• ●自动采集竞品动态、价格变化
• ●自动发布内容到多平台（一鱼多吃）
• ●自动回复社区消息（SLA 内响应）

团队协作

• ●运营日报自动生成（从各平台拉取数据汇总）
• ●客户反馈自动采集和分类
• ●舆情监控和预警
• ●多平台内容矩阵管理

产品开发

• ●E2E 测试自动化（真实浏览器，不是无头模拟）
• ●用户行为模拟（验证新功能在不同平台的表现）
• ●数据验证（跨平台数据一致性检查）

限制不在工具，而在你的想象力。

● ● ●

十、最后

AI Agent 发展到今天，"大脑"已经够强了——GPT-5.5、Claude 4.6、GLM 5.2，推理能力都不差。

差的一直是"手"。

Agent 能告诉你"应该去知乎搜索 AI Agent 的讨论"，但它自己做不到。能分析，但不能执行。能建议，但不能落地。

BrowserOS + OpenCode 补上了这一环。Agent 终于可以自己打开浏览器、自己登录、自己搜索、自己操作。

不是"帮你写脚本去操作"，而是它自己就会操作。

这是质变。

关注公众号回复「BrowserOS」获取完整接入配置和 45 个平台连接器清单。