BrowserSkill 5 分钟上手：让 AI Agent 复用你的真实登录态操作浏览器，不打断你的工作

BrowserSkill 5 分钟上手让 AI Agent 复用你的真实登录态操作浏览器不打断你的工作【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkillBrowserSkill 是连接 AI Agent 与真实浏览器的本地桥接层bskCLI/daemon 加一个浏览器扩展让 Cursor、Claude Code、Codex 等任意能调用 Shell 的 Agent 直接操作你已经登录的浏览器任务跑在独立的 Agent Window 里不打断你的日常浏览。为什么你的 Agent 动不了真实浏览器先用三个真实痛点说事Agent 拿不到登录态。无头浏览器每次都是全新 profile一碰到登录墙、二次验证就卡死。为每个站点单独准备测试账号既不安全也不现实。Agent 抢你的浏览器。直接在当前窗口里自动化标签页乱跳、窗口被强行拉到最前你正在干的事被打断。卡住没有退路。验证码、OTP、支付确认这些必须人来做的步骤Agent 要么死循环重试要么硬猜填值最后把页面搞得更乱。BrowserSkill 的定位就是解这三个结复用你浏览器里真实的登录态所有任务在独立的、可见的 Agent Window 中执行遇到必须人处理的步骤时 Agent 可以主动请求你接管。它不绑定任何模型或 Agent 框架——只要你的 Agent 能跑 Shell就能用。5 分钟装好并验证CLI、扩展、skill、doctor1. 装bskCLImacOS / Linux 用官方脚本默认装到~/.local/bincurl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh export PATH$HOME/.local/bin:$PATHWindows 在 PowerShell 里执行irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex同样装到~/.local/bin。如果当前 shell 找不到bsk把~/.local/bin加进 PATH正在运行的 Agent 可能要重启一次才认新 PATH。⚠️ 如果你的 Agent 沙盒会在每条命令结束后回收后台进程daemon 要留在宿主侧共享同一个BSK_HOME沙盒内设BSK_AUTO_START0方案见 docs/sandboxed-agents.md。普通本地环境忽略这条。2. 装浏览器扩展从 Chrome Web Store 或 Edge 加载项商店安装 BrowserSkill 扩展其他 Chromium 内核浏览器装 Chrome 版即可。装完点开扩展弹窗确认显示「已连接 / READY」3. 装 skillskill 是教 Agent 怎么用bsk的说明文档内置版在 crates/bsk-cli/skill/SKILL.md。交互安装用bsk install-skill空格多选 harness回车确认脚本环境建议非交互指定bsk install-skill --harness cursor --json4.bsk doctor验证跑一遍bsk doctor按提示处理失败项。skill 未安装时该项只是N/A不代表没装成功——装没装要单独确认。5. 跑通第一个任务新开一个 Agent 会话确认 harness 里能看到browser-skill然后让它打开https://example.com并总结页面内容。等价的裸 CLI 流程是bsk session start --json bsk navigate https://example.com --session id bsk observe --session id bsk session stop id读到页面、会话正常停止就算跑通了。支持斜杠命令的 harness 可以直接发/browser-skill open example.com and summarize what is on the page.常用操作一张表覆盖 90% 的场景场景命令导航到页面bsk navigate https://example.com --session id读取页面结构bsk observe --session id点击bsk click e3 --session id填写字段bsk fill e3 --value text --session id选择下拉项bsk select e3 --value opt --session id悬停展开菜单bsk hover e3 --session id滚动元素入视野bsk scroll-to e3 --session id滚轮滚动bsk wheel --delta-y 600 --session id视口截图bsk screenshot --session id --out v.png整页长截图bsk screenshot --session id --full-page --out page.png点击画布内坐标bsk click e3 --capture cid --image-x 120 --image-y 88 --session id上传 / 下载文件bsk upload e3 --file ./a.pdf/bsk download e3 --out ./a.pdf均带--session id借用 / 归还用户标签bsk tab borrow tab-id/bsk tab return tab-id带--session id请求人工接管bsk request-help --session id --prompt 请完成登录 --target e3几条关键语义踩坑前先看一眼eNrefs 来自最近一次observe导航或 DOM 大变之后会失效重新 observe 再动手。select用选项的value属性值不是可见文字。悬停菜单先认[hover first: ...]这类标记hover 触发器 → 再 observe → 用新出现的 ref控件缺失时可试一次observe --probe-hover。大页面用observe --max-tokens n再拿返回的next_cursor续读不刷新也不悬停。截图返回本地 PNG 路径--ref和--full-page互斥下载默认拒绝覆盖需要时加--overwrite。画布点击用的是那次截图原始 PNG 像素坐标capture 单次使用、2 分钟后过期。结束任务一律bsk session stop id位置参数或--all它同时归还借用的标签别指望空闲清理。进阶玩法无人值守怎么配扩展弹窗里有两个默认开启的独立开关借用标签页前确认和允许请求人工协助。你在弹窗里保存的设置对所有会话有最终决定权——--unattended、tab borrow --no-confirm、BSK_REQUEST_HELPoff这些旧写法只剩兼容识别不再能覆盖插件开关CLI 用到它们时会打印说明。关掉人工协助后request-help返回disabled含义是「没人接手」不是「已完成」。正确姿势是重新 observe靠现有登录态和已授权输入继续手机扫码、人脸、拿不到的短信码可以如实报告受阻但不能因此把任务判成完成。bsk session start --json会返回浏览器实际生效的interaction策略多浏览器时用--no-focus后台开 Agent Window。浏览器长截图三种模式插件「快捷功能 → 长截图」提供三种模式整页·自动从顶部增量滚动、跟随追加内容、长图·我滚动你自己滚帧间保留重叠、可见区域截一次视口。Agent 侧就是bsk screenshot --session id --full-page --out page.png。要点默认采集编码预算 2 分钟长页面可--timeout 5m--scope follow默认跟随追加内容--scope current只截开始时测量到的文档区域。自动模式在底部要求至少 1.5 秒高度稳定且 600ms 无附近变化follow模式下底部加载指示器 30 秒无高度增长会提前给出loading_stalled而不是傻等到总截止。存储上新截图是 512 像素高的 PNG 瓦片放在扩展 OPFS 里下载由 worker 流式压缩写出官方基准里 3170 × 100062 像素的图RGBA 缓冲峰值约 41.7 MiB而整图一次解码要 1.27 GB。细节见 docs/long-screenshot.md。远程连接怎么配对Agent 跑在服务器上、扩展跑在你电脑上时走服务器模式。注意证书要用浏览器信任的、主机名与公网 URL 匹配bsk不签发证书bsk daemon start --mode server \ --listen 0.0.0.0 --port 52800 \ --public-url wss://browser.example.com:52800/extension \ --tls-cert /etc/bsk/fullchain.pem \ --tls-key /etc/bsk/privkey.pem配对三步BSK_AUTO_START0 bsk daemon pair BSK_AUTO_START0 bsk status --json服务器侧生成一次性配对链接机密、单次使用、默认 5 分钟过期。浏览器侧在扩展弹窗选Remote 连接粘贴完整链接并保存保存后配对密钥即替换为设备凭据。服务器侧用status确认目标浏览器出现再用它的instance_id作为--browser启动会话验证。常用默认值--pairing-ttl 5m、--device-ttl 90d、--renew-after 30d、--max-connections 64、--authorize-rate-limit 60每对端 IP 每分钟配对/续期请求数。授权管理用bsk daemon devices/bsk daemon revoke。TLS 反向代理、BSK_HOME持久化、断开时的清理语义取消任务、归还借用标签、关闭任务创建的标签远程上传/下载当前返回unsupported见 docs/remote-extension-connection.md。DeepSeek Harness 插件怎么装dsh 走官方插件Agent 拿到的是原生browser_*工具由插件代调bskWeb UI 里能实时看到会话dsh plugin --profile web add wxg-prc-cpg/browser-skill-dsh-plugin dsh --profile web插件自带browser-skillskill所以 dsh 下不用再跑bsk install-skill。插件不自动更新升级后重启 profile文档在 packages/dsh-plugin-browserskill/README.md。工作原理一图流为什么它不打断你链路是严格分层的Agent 从不直接碰浏览器它只执行bsk命令CLI 通过本地 JSON-line IPC 发给 daemondaemon 经 127.0.0.1 WebSocket 把类型化 RPC 转给扩展扩展在 Agent Window 里执行。session start会自动拉起 daemondaemon 会把这个 RPC 挂住、等到扩展重连上才返回所以首次启动慢几秒是正常的。「不打断你」就来自最后两点任务默认落在独立的 Agent Window要碰你已打开的标签页必须先tab borrow显式借用弹窗确认session stop时自动归还标签仍留在你的窗口里。共享的线上协议类型和每个工具的参数/结果契约都在crates/bsk-protocol里想看细节直接查schema/目录。出错时先看这里 ⚠️doctor 提示扩展未连接→ 原因扩展没装/没启用或 daemon 没起来。处理确认弹窗显示「已连接」再跑bsk daemon restart和bsk doctor。长截图等高级功能异常→ 原因CLI、daemon、扩展版本没对齐长截图需要匹配的构建。处理bsk --version和bsk status核对三端版本升级 CLI 后bsk daemon restart商店里的扩展版本可能晚于 CLI 上线。skill 自动更新被暂停doctor 显示 WARN→ 原因你本地编辑过SKILL.md或它是明确的自定义安装。处理想保留自定义就bsk install-skill --harness cursor --source 你的文件 --force想恢复内置并重新纳入自动管理跑不带--source的bsk install-skill --harness cursor --force。WARN 不会让健康检查失败--json里ok: true。request-help返回disabled→ 原因弹窗里人工协助开关是关的。处理按禁用协助的规则重新 observe 继续任务不要反复请求也不要擅自改回开关。工具调用超时→ 背景CLI 的 IPC 超时特意设为 35 秒略大于 daemon 的 30 秒工具超时所以你收到的是结构化超时而不是连接被掐断。处理先 observe 确认动作是否已生效再决定是否重试避免重复点击。tab borrow等待超时→ 原因确认等待默认 60 秒没人点。处理--timeout 120s只能调长等待自定义值要求 daemon 和扩展都是协议 1.2不能免掉确认本身免确认要去插件开关里关。开发者视角仓库长什么样Cargo pnpm workspace五块各管一摊crates/bsk-cli—bskCLI 与本地 daemon命令树、IPC、skill 安装与同步。crates/bsk-protocol— 共享协议类型schema/下每个工具一份参数/结果 JSON 契约。apps/extension— 浏览器扩展browser-driver、content 叠加层、long-screenshot、recording、tools、transport配 vitest 全覆盖。packages/dsh-plugin-browserskill、packages/ui、packages/i18n— dsh 插件、共享 UI 与多语言。evals/browser— 确定性页面 与 Agent 无关的浏览器能力测试台。最后BrowserSkill 把「Agent 操作真实浏览器」这件麻烦事拆成了三个本地组件CLI 负责命令面daemon 负责连接与排队扩展负责在 Agent Window 里干活并守住借用/归还和人工协助这两道闸。装好之后你给 Agent 的不再是账号密码而是一句「打开这个页面看看」跑不通时先跑bsk doctor再按上表对号入座。延伸阅读均为仓库内相对路径架构总览docs/architecture.md沙盒托管 daemondocs/sandboxed-agents.md长截图语义与限制docs/long-screenshot.md远程连接与配对细节docs/remote-extension-connection.mdscroll-to结果契约docs/scroll-to.md交给 Agent 自助安装的完整指引AGENT_INSTALL.md版本变化记录CHANGELOG.md【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkill创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考