导语 AI Agent 能写代码、能查资料、能分析数据——但只要你让它"登录后台导出这个月的报表"，它立刻束手无策。因为 Agent 拿不到你的登录态，绕不过验证码，也分不清哪些操作该做、哪些不该做。
BrowserSkill 就是为此而生的：它让 AI Agent 接入你电脑上正在使用的真实浏览器，在你的登录态下、在你的视线内执行自动化任务。任务结束即归还控制权，全程透明、全程可控。
一、BrowserSkill 是什么
BrowserSkill 是腾讯开源的一套浏览器桥接方案。它在你的本机浏览器和 AI Agent 之间建立安全的通信链路，让 Agent 能够操作你真实登录的网页——而你始终握有控制权。
🔗 项目地址：https://github.com/Tencent/BrowserSkill
工作机制很简单：
① Agent 发起任务：通过 bsk CLI 下发浏览器操作指令
② 本机守护进程转发：Daemon 将请求安全地传递给浏览器扩展
③ Agent Window 隔离执行：扩展在独立的 Agent Window 中完成自动化操作；必要时向用户发起借用（Borrow）请求，使用已有的标签页
二、为什么需要
在使用传统浏览器自动化工具（Puppeteer、Playwright）或云端 Agent 服务时，你大概率遇到过这些问题：
| |
| 登录态断裂：远程/沙盒浏览器看不到你的账号内容 | |
| 多 Agent 互相干扰：多个 Agent 和用户抢一个浏览器实例 | Agent Window 独立窗口，与你日常浏览完全隔离 |
| 生态绑定：换一个 Agent 平台就得换一套工具 | 标准 CLI（bsk），一次安装，所有 Agent 通用 |
| 自动化中途卡死：遇到验证码、OTP、登录确认，Agent 无计可施 | Human-in-loop：Agent 主动暂停，把页面交给你处理 |
| 操作不透明：看不到 Agent 在做什么，缺乏安全感 | |
简而言之：你看到的页面 = Agent 看到的页面；你不给的权限 = Agent 拿不到。
这对涉及企业内部系统或私人账号的任务尤为重要。
三、与行业方案对比
目前行业里已有一些让 Agent 操作浏览器的方案，但它们大多绑定特定平台或模型，生态碎片化严重。BrowserSkill 定位为一个开放的通用能力层——同时内置 Borrow 机制和 Human-in-loop 的浏览器桥接方案。
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| Agent Window 沙盒 + 标签页借用（Borrow） | | | | | |
| request-help | | | | | |
| | | | | | |
选择建议：如果你只用某一个官方 Agent（如 Claude），官方扩展也许是最省心的选择；但如果你希望一套浏览器自动化能力被多个 Agent 共同复用，BrowserSkill 的通用性和安全性将带来不可替代的价值。
四、能做什么
BrowserSkill 不是为了炫技式地控制浏览器——它解决的是需要登录、需要点击、需要确认的真实场景。
📧 场景一：登录态网页总结
让 Agent 打开你已经登录的页面，对内容进行总结和提炼。比如：
为什么传统方案做不到：远程浏览器没有你的登录 Cookie，无法访问需要登录的页面；API 方案则需要繁琐的 Token 配置。
📋 场景二：表单与数据录入
把本地的 CSV 文件、任务列表或 Excel 数据，让 Agent 一条条自动录入 Web 系统。比如：
🔍 场景三：多站点信息检索与整理
跨多个平台检索、对比、归纳，最终输出一份结构化的结果。比如：
- 扫描得到、微信读书笔记、豆瓣书单，整理成个人月度阅读报告
- 在多个招聘平台搜索同一岗位，汇总薪资、要求和投递链接
🤝 场景四：人机协作流程
Agent 负责可自动化的繁琐步骤，人只在关键节点介入：
- Agent 自动填写长表单，遇到验证码时暂停，交给用户处理，完成后继续
- 用户手动完成复杂的前置流程（如多级审批），再由 Agent 接管后续操作
⚡ 1 分钟快速开始
第 1 步：安装 CLI 与配置
在 WorkBuddy、Cursor、Claude Code 或其他支持的 Agent 中，发送以下指令：
Set up browser-skill on this machine by following
https://raw.githubusercontent.com/Tencent/BrowserSkill/main/AGENT_INSTALL.mdAgent 会自动完成 CLI 安装和 Skill 配置。
第 2 步：安装浏览器扩展
从 Chrome Web Store 安装 BrowserSkill 扩展：
🔗 https://chromewebstore.google.com/detail/hhcmgoofomhgciiibhipgmgkgnoenaoi
安装完成，即可使用。
已支持一键安装的 Agent
AI 编程助手：WorkBuddy · CodeBuddy · Cursor · Claude Code · Codex
通用 Agent：OpenClaw · Pi · Hermes Agent
如果你常用的 Agent 不在列表中？欢迎来 GitHub：https://github.com/Tencent/BrowserSkill 提 Issue，或直接提交 PR 添加支持。
📱 应用案例
场景：让 Agent 在小红书上搜索 "BrowserSkill" 相关信息并汇总结果。
❌ 未使用 BrowserSkill
在 WorkBuddy 中直接输入指令：
查找小红书上关于 BrowserSkill 的帖子
Agent 无法直接访问需要登录的小红书页面。退而通过通用搜索引擎进行间接检索，搜索结果不完整、不够及时，最终的回答质量受到明显影响。
✅ 使用 BrowserSkill
在 WorkBuddy 中使用 BrowserSkill 技能并输入指令：
@skill:browser-skill 查找小红书上关于 BrowserSkill 的帖子
- Agent 通过 bsk 启动独立 Agent Window，自动打开小红书网站
- 在登录页面，Agent 主动暂停，弹出提示引导用户扫码登录
- 用户完成扫码登录后，Agent 接管后续操作：站内搜索、浏览帖子、提取信息
- 最终将站内搜索结果整理为结构化摘要返回——准确度和效率远超间接检索
整个过程，Agent 的每一步操作都在独立窗口中清晰可见；用户的日常浏览器标签页不会受到任何干扰。
🏗️ 技术架构
BrowserSkill 的工作流设计遵循三个原则：
🔒 本机桥接：浏览器扩展只连接本机 Daemon，不直接连接远程 AI 服务。所有通信发生在你的机器内部，不存在数据外泄风险。
🧩 会话隔离：每个 Agent Session 绑定一个独立的 Agent Window。自动化写操作默认限制在 Agent Window 内，保护用户的日常浏览不受影响。
👤 用户控制：已有标签页的访问需要显式借用（Borrow）；Human-in-loop 机制确保验证码、OTP、敏感确认等关键步骤可以随时交还给用户——你可以先手动处理，再把页面交还 Agent 继续。
现在就开始
BrowserSkill 不追求"炫技式地操控浏览器"。它只做一件事：让 Agent 替你完成那些需要登录、需要点击、需要确认的真实工作——同时把控制权 100% 留在你手里。
粤ICP备14082021号
免费POC，
零成本试错
