BrowserSkill 介绍

# BrowserSkill：让 AI Agent 操作你的浏览器，不打断你的工作

腾讯开源的浏览器自动化工具，让任意 Shell-capable AI Agent 复用你已登录的浏览器，完成网页操作而不中断你的工作流。

# 项目简介

BrowserSkill (opens new window) 是腾讯开源的一款浏览器自动化工具，核心思路很简单：把 AI Agent 连接到你已经登录的浏览器上，让 Agent 替你完成网页端的操作。

与传统的浏览器自动化方案（如 Puppeteer、Playwright）不同，BrowserSkill 不需要 Agent 自己创建新的浏览器实例、重新登录网站。它直接复用你当前浏览器中已登录的会话状态，在独立的 Agent Window 中执行任务，你完全可以继续用自己的浏览器干别的事。

一句话概括：Agent 借你的浏览器干活，干完还你，不耽误你刷网页。

# 核心优势

# 1. 复用真实登录态

这是 BrowserSkill 最硬核的能力。传统方案中，Agent 要操作一个需要登录的网站，你得给它配一套测试账号、走 OAuth 流程、处理 2FA……而 BrowserSkill 直接让 Agent 用你浏览器里已经登录好的会话。

不需要额外测试账号
不需要重新走登录流程
已登录的网站直接可操作

# 2. 不中断你的工作

浏览器任务在独立可见的 Agent Window 中运行，和你自己的浏览器窗口完全隔离：

你的浏览器	Agent Window
继续正常使用	独立运行任务
不受影响	可见、可监控
标签页不被抢占	任务完成后自动归还

# 3. 支持任意 Agent

不绑定特定模型或框架，只要 Agent 能调用 Shell，就能通过 bsk CLI 使用 BrowserSkill：

支持的 Agent	说明
Cursor	IDE 内集成
Claude Code	Anthropic 的 CLI Agent
Codex	OpenAI 的代码 Agent
OpenClaw	开源 Agent 框架
CodeBuddy / WorkBuddy	腾讯系 Agent
Pi / Hermes Agent	其他社区 Agent
DeepSeek Harness	配套 DSH 插件

任何能执行 Shell 命令的 Agent 都可以接入，零锁定。

# 4. 内置 Human-in-Loop

遇到 Agent 搞不定的步骤——验证码、扫码登录、确认弹窗——Agent 会主动请求你接管，处理完再继续。不是"遇到问题就放弃"，而是"遇到问题找人帮忙，然后继续干"。

交互策略可配

插件弹窗中两个独立开关：

借用标签页前确认：控制 Agent 借用你的标签页时是否需要你点确认
允许请求人工协助：控制 Agent 能否在遇到障碍时向你求助

两个开关默认都开启，你可以根据场景灵活调整。

# 5. 长截图功能

支持整页长截图，两种方式触发：

插件快捷功能：快捷功能 → 长截图
CLI 命令：bsk screenshot --session <id> --full-page --out page.png

默认超时两分钟，支持 --timeout 5m 处理超长页面，Ctrl-C 可取消。

# 运行环境

运行项	支持情况
操作系统	macOS（Apple Silicon + Intel）、Linux（x64 + ARM64）、Windows x64
浏览器	Chrome、Microsoft Edge；其他 Chromium 内核浏览器通常可用；Firefox 计划中

架构上由两个本地组件组成：

bsk CLI / Daemon：命令行工具和后台守护进程
浏览器扩展：Chrome / Edge 扩展，负责与浏览器通信

# 快速安装

# 方式一：让 Agent 帮你装（推荐）

如果你已经在用 Cursor、Claude Code、Codex 等 Shell-capable Agent，直接把下面这句话发给它：

按照 https://raw.githubusercontent.com/Tencent/BrowserSkill/main/AGENT_INSTALL.md 的说明，在本机安装并配置 browser-skill

Agent 会自动完成 CLI 安装、Skill 加载，并引导你安装浏览器扩展。

# 方式二：手动安装

# 1. 安装 CLI

macOS / Linux：

curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh
export PATH="${BSK_INSTALL_DIR:-$HOME/.local/bin}:$PATH"

1
2

Windows（PowerShell）：

irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex

验证安装：

bsk --version

# 2. 安装浏览器扩展

浏览器	安装地址
Chrome	Chrome Web Store (opens new window)
Microsoft Edge	Edge 加载项商店 (opens new window)

# 3. 安装 Skill

bsk install-skill

用 Space 选择你使用的 Agent harness，按 Enter 安装。非交互模式：

bsk install-skill --harness cursor --json

# 4. 验证连接

bsk doctor

按提示处理警告和错误，打开扩展弹窗确认已连接。

# 沙盒环境特殊配置

如果你的 Agent 运行在沙盒中（每条命令后回收后台进程），需要保持 Daemon 在宿主侧存活：

在宿主环境启动 Daemon
沙盒内设置 BSK_HOME 指向共享路径
沙盒内设置 BSK_AUTO_START=0 阻止自动启动

详见沙盒环境配置说明 (opens new window)。

# 基本使用

# 启动会话

# 启动新的 Agent 会话
bsk session start

# 后台运行，不聚焦 Agent Window
bsk session start --no-focus

1
2
3
4
5

# 首次验证

启动 Agent 会话后，让它打开一个测试页面：

/browser-skill open example.com and summarize what is on the page.

成功读取页面并停止 session 即表示配置正确。

# 标签页借用机制

BrowserSkill 的核心设计之一是标签页借用：

Agent 需要操作你已打开的标签页时，必须显式借用
借用时可以设置确认流程（默认需要你点确认）
任务完成后自动归还标签页
其余标签页和窗口完全不受影响

# 借用标签页，设置确认等待时间
tab borrow --timeout 60s

1
2

# 远程浏览器连接

Agent 在服务器上运行？BrowserSkill 支持远程连接你本地浏览器：

内置认证服务配对
或通过兼容网关连接

详见远程浏览器连接文档 (opens new window)。

# DeepSeek Harness 集成

如果你使用 DeepSeek Harness (opens new window)（dsh），BrowserSkill 提供了一等公民级别的 npm 插件：

# 安装 DSH 插件
npm install @wxg-prc-cpg/browser-skill-dsh-plugin

1
2

插件让 dsh Agent 获得原生的 browser_* 工具，并在 Web UI 中提供浏览器会话的实时视图。

# 自动化与安全

# 交互策略

从 0.3.0 版本开始，浏览器扩展中的设置具有最终决定权：

借用前确认	允许求助	行为
✅	✅	借用需确认；求助正常弹窗
✅	❌	借用需确认；求助返回 disabled
❌	✅	借用免确认；求助正常弹窗
❌	❌	借用免确认；求助返回 disabled

旧的 --unattended、--no-confirm、BSK_REQUEST_HELP=off 参数保留兼容但已弃用，不能覆盖插件开关。

# 安全设计

标签页隔离：Agent 只能操作被借用的标签页，其余不可见
显式借用：默认需要用户确认才能借用标签页
人工接管：遇到验证码等场景，Agent 请求人工介入而非绕过
本地运行：CLI 和扩展都在本地运行，不经过第三方服务器

# 升级维护

# 更新 CLI（先结束正在执行的浏览器任务）
bsk update --yes

# 检查版本
bsk --version
bsk status

# 健康检查
bsk doctor

1
2
3
4
5
6
7
8
9

浏览器扩展通过浏览器商店自动更新。版本不一致时 bsk doctor 会提示。

# 实用场景

# 场景一：Agent 帮你查后台数据

你已登录了公司后台系统，让 Agent 去后台拉数据、截图、汇总成报告。Agent 借用你的登录态，在 Agent Window 中操作，你继续用浏览器看文档。

# 场景二：自动化表单填写

需要在一个已登录的网站上提交一批表单，把数据丢给 Agent，让它自动填表提交。遇到需要确认的弹窗，Agent 会叫你处理。

# 场景三：网页信息采集

让 Agent 打开某个页面，做整页长截图，提取关键信息，生成摘要。比手动截图 + 复制粘贴高效得多。

# 场景四：配合 OpenClaw 做自动化流程

在 OpenClaw 中安装 BrowserSkill Skill，Agent 就能自动处理浏览器端的任务——比如定期检查某个网站的更新、自动操作 Web 界面完成部署等。

# 与传统方案对比

特性	BrowserSkill	Puppeteer/Playwright	传统 RPA
复用登录态	✅ 原生支持	❌ 需单独处理	部分支持
不中断用户	✅ Agent Window 隔离	❌ 占用浏览器	✅ 独立运行
Agent 无关	✅ 任意 Shell Agent	❌ 绑定编程语言	❌ 绑定平台
Human-in-Loop	✅ 内置	❌ 需自建	部分支持
安装复杂度	低（一行命令）	中	高
适用场景	AI Agent 浏览器操作	程序化自动化	企业流程自动化

# 相关链接

GitHub：https://github.com/Tencent/BrowserSkill (opens new window)
中文文档：README.zh-CN.md (opens new window)
Chrome 扩展：Chrome Web Store (opens new window)
Edge 扩展：Edge 加载项商店 (opens new window)
沙盒配置：sandboxed-agents.md (opens new window)
远程连接：remote-extension-connection.md (opens new window)

# 总结

BrowserSkill 解决了一个很实际的问题：AI Agent 需要操作浏览器，但不应该抢你的浏览器。

核心亮点：

复用登录态——省去 Agent 重新登录的麻烦，这是最实用的能力
Agent Window 隔离——你干你的，Agent 干 Agent 的，互不干扰
Agent 无关——不锁定任何模型或框架，bsk CLI 通吃
Human-in-Loop——该找人帮忙就找，不硬撑
安装简单——一行命令装 CLI，商店装扩展，bsk install-skill 搞定集成

对于用 Cursor、Claude Code、OpenClaw 等 Agent 的开发者，如果你需要 Agent 帮你操作网页端的任务，BrowserSkill 是目前最顺手的方案。

参考文档：BrowserSkill GitHub README (opens new window)

#BrowserSkill #浏览器自动化 #AI Agent #腾讯开源 #OpenClaw

上次更新: 2026/9/22 10:42:32

← WeKnora 介绍