BrowserSkill：腾讯开源，让 AI Agent 操作你的浏览器而不打断工作

一句话

BrowserSkill 是一个 Rust 编写的本地 CLI + 浏览器扩展，让 Cursor、Claude Code、Codex、OpenClaw、Hermes Agent 等支持 Shell 的 AI Agent 操作你已登录的真实浏览器，不影响你手头的工作。

项目仓库：github.com/Tencent/BrowserSkill（MIT 许可证，2026-06-22 创建，截至本文发布 20 Stars）。

解决了什么问题

AI Agent 操作浏览器这件事本身不新——Playwright、Puppeteer 早已成熟。但现有方案有几个实际痛点：

• 隔离的登录态：Agent 用无头浏览器或独立 Profile，需要另外登录，无法复用你已登录的网站。
• 打断工作流：Agent 全屏接管浏览器时，你自己的标签页也跟着被占。
• 绑定特定框架：许多浏览器操作能力内嵌在特定 Agent 框架中，换一个 Agent 就失效。

BrowserSkill 的切入点是：Agent 要操作的是你的真实浏览器，而不是独立的沙箱环境。它通过一个本地 WebSocket 连接，让 Agent 告知浏览器扩展打开一个独立的「Agent Window」来执行任务，借用已有标签页时也做到显式请求和归还。

架构一览

从 README 看，BrowserSkill 是四层结构：

Agent Harness (Cursor / Claude Code / Codex / OpenClaw / Hermes ...)
    │ Shell: bsk <command>
    ▼
bsk CLI ──本地 IPC──→ bsk Daemon ──WebSocket──→ 浏览器扩展
                                                      │
                                                      ├── Agent Window（独立可见窗口）
                                                      └── 仅在请求时借用你的标签页

• bsk CLI：Rust 写的命令行工具，Agent 通过 Shell 调用的入口。
• bsk Daemon：后台守护进程，与浏览器扩展维持 WebSocket 连接。
• 浏览器扩展：Chrome/Edge 扩展，接收 daemon 指令并执行浏览器操作，所有操作在独立的 Agent Window 中进行。
• 多 Agent 支持：任何能执行 Shell 命令的 Agent 都能用，不需要为特定框架做适配。

这种设计的关键取舍是：Agent 不直接操作浏览器，而是通过本地 IPC → WebSocket → 扩展的链路间接控制。代价是增加了一层通信开销，好处是 Agent 更轻量（不需要内置浏览器驱动），且用户可以看到 Agent 的操作过程。

快速上手

安装分三步走：

1. 安装 CLI

macOS / Linux：

curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh

Windows（PowerShell）：

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

验证：

bsk --version

2. 安装浏览器扩展

从 Chrome Web Store 安装 BrowserSkill 扩展，打开扩展弹窗确认连接状态为绿色。

3. 安装 Skill

BrowserSkill 自带一个 Skill 文件（教 Agent 如何用 bsk CLI），通过以下命令选择你的 Agent harness 并安装：

bsk install-skill

支持的 harness 包括 Cursor、Claude Code、Codex、OpenClaw、CodeBuddy、WorkBuddy、Pi、Hermes Agent。安装完后，对 Agent 说类似这样的话即可开始：

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

运行 bsk doctor 可以一键检查所有组件是否就绪。

值得关注的设计细节

复用真实登录态是核心差异。Agent 可以借用你已登录的标签页完成任务（例如查某个 SaaS 后台的配置），做完后归还。这在需要结合登录态操作的工作流中很实用——不必为 Agent 准备测试账号，也避免了二次验证的麻烦。

Human-in-loop 是另一个务实设计。当 Agent 遇到 CAPTCHA、登录确认弹窗、敏感操作确认等环节，可以暂停并请求用户手动处理，完成后继续。这在自动化程度和安全性之间找到了一个合理的平衡点。

多平台支持覆盖了 macOS（Apple Silicon + Intel）、Linux（x64 + ARM64）和 Windows x64，浏览器方面当前支持 Chrome 和 Edge，Firefox 在计划中。

局限与判断

• 当前阶段：项目才创建 4 天（2026-06-22），Stars 20，属于早期项目。社区反馈、issue 积累和版本迭代都不够充分，生产环境使用需自行评估风险。
• 只支持 Chromium 系浏览器：Firefox 用户暂时无法使用。
• 无头场景不适用：如果 Agent 只需要纯渲染/数据抓取而无需真实浏览器，Playwright/Puppeteer 或者直接 HTTP 请求可能更高效。
• 依赖于扩展通道：浏览器扩展是必经路径，不适合无图形界面的服务器环境。

我的判断

BrowserSkill 解决的是一个真实而具体的问题——让 AI Agent 操作你的真实浏览器而不干扰你的工作。协议设计务实，不绑定特定 Agent 框架，Rust 编写的 CLI 性能开销也很低。

如果你已经在使用支持 Shell 的 Agent（Cursor、Claude Code、Hermes 等），且经常需要 Agent 帮你操作浏览器中已登录的网站，这个工具值得一试。但考虑到项目还很新，建议先在非生产环境中评估。

项目信息

• 仓库：github.com/Tencent/BrowserSkill
• 许可证：MIT（来自 GitHub API）
• 编程语言：Rust
• 最新 Release：cli-v0.1.5 / ext-v0.1.2（2026-06-22）
• Chrome 扩展：Chrome Web Store
• 安装指引：README 或 AGENT_INSTALL.md