实测腾讯开源的 BrowserSkill：让 AI 直接用你已登录的浏览器

作者：袖梨 2026-07-02

BrowserSkill让AI直接操作你已登录的浏览器，解决登录态共享与自动化干扰的痛点。核心内容：1. 传统AI浏览器自动化方案的三大翻车场景2. BrowserSkill的本地桥接架构与隐私安全特性3. 安装步骤与多框架兼容的实测体验

本文是真上手装了、跑了、读了源码、又跟另外四款方案横评之后写的。优缺点都给硬的，不写软文。

一、先说痛点

用 Cursor / Claude Code / Codex 写代码，顺手想让 AI 去浏览器里查个内网文档、在后台系统提个单、验收一下刚写的页面——结果常见三种翻车：

AI 直接摆烂："我无法访问网页。"
上 Playwright / Selenium：能跑，但你的内网后台要登录、SaaS 后台要登录。让 AI 自己走登录流程，要么失败，要么得把账号密码明文塞进 prompt——很不优雅。
headless 自动化：AI 另起一个浏览器实例，跟你抢窗口、抢标签页，有时候还把你正在测的东西给关了。

我自己最烦的是第 3 点：用 Playwright 每次都要等它冷启一个全新的 Chromium，而且那是另一个浏览器实例，跟我日常浏览器各玩各的——我正测着别的，它一跑可能就把我的环境搅了。

BrowserSkill 想解决的就是这对矛盾：AI 想用浏览器，但它不会登录；它会自动化，但不能跟你共存。

二、它是什么

腾讯 2026 年 6 月开源，github.com/Tencent/BrowserSkill^[1]，MIT 协议，可商用可二开。

一句话：做一个本地桥接层，让 AI Agent 通过 CLI 命令控制你浏览器里的一个专属窗口，共享你的登录态，但不打扰你正常用浏览器。

BrowserSkill 演示：左边终端里 Agent 跑 bsk 命令，右边橙色高亮的 Agent Window 在浏览网页

上图是官方仓库的演示（已转 GIF）：左边是 Agent 在终端里发 bsk 命令，右边橙色描边的就是 Agent Window——它在动，但不抢你正在用的窗口。

三、架构（读源码 + 实测确认）

BrowserSkill 架构：AI Agent → bsk CLI → bsk Daemon → 浏览器扩展 → Agent Window，全链路走 127.0.0.1 不外联

两个关键事实：

全链路在本机，不外联。读了 install.sh 和扩展隐私声明，确认只走 127.0.0.1，无 telemetry、无凭证上报。
对 Agent 来说 bsk 就是个普通 shell 命令，跟 curl 没区别。所以它天然 agent 中立——实测 bsk install-skill --list 能自动检测出本机的 Claude Code、Codex、OpenClaw、CodeBuddy、WorkBuddy 等多个框架，一键写入各自的 skills 目录。

四、三步装 + 真实命令样例

第一步：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
bsk --version    # 验证

它会把 bsk 装进 ~/.local/bin 并写好 PATH，无 sudo、无 telemetry（脚本我逐行读过）。

第二步：装浏览器扩展

到 Chrome Web Store 搜 BrowserSkill 装上。⚠️ 装进你平时用的、已经登录了目标站点的那个浏览器——这是它复用登录态的前提。

第三步：配置 Agent

bsk install-skill          # 空格选框架，回车自动配置

实际用起来的命令（我实测跑通的一套）：

bsk browsers                            # 看连了哪些浏览器，拿 instance id
bsk session start --browser         # 在指定浏览器开一个会话
bsk navigate --session  https://example.com
bsk snapshot --session             # 输出带 @e1/@e2 编号的无障碍树
bsk click   --session  @e12        # 按编号点
bsk fill    --session  @e8 "hello"
bsk get-html --session             # snapshot 不够时看原始 DOM
bsk screenshot --session           # 最后才用截图
bsk request-help --session         # 遇验证码/登录，暂停交回给你
bsk session stop                   # 用完必须关，否则留下 Agent Window

实测最实用的是 snapshot：它把页面可交互元素整理成带编号的树，AI 直接 click @e12，比把整个 DOM 或截图丢给模型又稳又省 token。

实测一个细节：在一个登录态站点上，普通隔离浏览器（如全新 Playwright 实例）打开会被踢回登录页；而 BrowserSkill 用你已登录的浏览器打开，直接就是登录后的页面。这就是它最大的卖点，确实成立。

五、跟其它四款横评

	BrowserSkill	Playwright(MCP)	官方 Claude in Chrome	OpenClaw Relay	BrowserAct
用真实登录态	✅	❌ 全新实例无登录	✅	✅	✅(chrome 模式)
桥接机制	daemon+WS+CDP	直接驱动新实例	native messaging	CDP relay	CLI+多模式
读 console/network	❌	✅	✅✅(主打调试)	✅(CDP)	—
截图 / GIF 录制	仅单张 PNG，无 GIF	截图+视频	截图+会话录制为 GIF	CDP 可截	截图
是否要你浏览器开着	要(用你现有浏览器)	否(自己冷启)	要	要	视模式
抢不抢你窗口	不抢(独立 Agent Window)	会抢/会冷启	开新标签	点哪控哪	隔离 session
扩展权限洁净度	中(`debugger`+)	不需扩展	高(站点白名单)	最高(debugger+仅localhost)	有确认门控
是否外联上报	否(纯本地)	否	会上报 URL 做策略	否	—
agent 中立	✅ 任意 shell agent	✅(MCP)	❌ 仅 Claude	❌ 仅 OpenClaw	✅
鉴权要求	任意(authtoken/第三方API 都行)	任意	必须官方账号登录	仅 OpenClaw 体系	任意
反爬/隔离模式	单一	一般	—	—	✅✅ 三模式隔离
开源	✅ MIT	✅	❌	可读	—

一句话定位：调试看官方，权限最克制看 OpenClaw，多账号隔离/反爬看 BrowserAct，要 CI/无人值守看 Playwright，登录态+agent 中立+纯本地看 BrowserSkill。

更大的赛道全景：两大阵营

把视野放大，2026 年这波"给 Agent 装浏览器"的项目其实分成两个阵营，选型先看你要哪个：

两大阵营：阵营 A 复用你已登录的真实浏览器（BrowserSkill/官方 Claude in Chrome/OpenClaw 等），阵营 B 是 Agent 优化的全新浏览器（Playwright MCP/Vercel agent-browser 等）；BrowserSkill 占位 agent 中立+纯本地

阵营 A：复用你已登录的真实浏览器（适合内网/SaaS 后台、要登录态、人机协作）

BrowserSkill（腾讯，本文主角）、官方 Claude in Chrome、OpenClaw Relay、GenericAgent
BrowserAct 的 chrome 模式、Browserbase 的本地模式

阵营 B：Agent 优化的全新浏览器（适合无人值守、批量抓取、CI；但默认无登录态）

Playwright MCP、Chrome DevTools MCP
Vercel agent-browser（agent-browser.dev，上线一周冲到 9K star，npm i -g 自带 Chromium，实测首次成功率 ~95%，号称优于 Playwright MCP / Chrome DevTools MCP）
BrowserAct 的 stealth 模式（指纹浏览器+住宅 IP，过 Cloudflare/DataDome/reCAPTCHA）、Browserbase 的云端隐身模式

BrowserSkill 是阵营 A 里"agent 中立 + 纯本地"那一格——这是它最清晰的占位。

一个行业已经收敛的最佳实践：Snapshot + 编号引用

值得单独点出来：BrowserSkill 的 snapshot @eN、Vercel agent-browser 的 Refs、BrowserAct 的 state 编号树，三家不约而同走到了同一个设计——把页面可交互元素整理成带编号的快照，让 Agent 直接 click @e12，而不是去猜脆弱的 CSS/XPath。这套做法更省 token、步骤更少、确定性更高（agent-browser 实测首次成功率 ~95%，明显高于传统 Playwright MCP）。所以你看 BrowserSkill 把 snapshot 列为第一选择、截图垫底，不是随便排的，是这一代 Agent 浏览器工具的共识。

六、优点（实测/读源码得出，给硬的）

复用登录态，凭证不离开本机。不用把账密塞 prompt，不用配登录流程。安全模型上比"账密进 prompt"强一个量级。
纯本地、不外联。daemon 只在 127.0.0.1，不像官方 Claude in Chrome 会把你访问的 URL 上报服务器做策略校验——内网地址友好，这点对在内网环境干活的人很关键。
agent 中立。一套桥接，Cursor / Claude Code / Codex / OpenClaw / CodeBuddy 都能用，对它们来说 bsk 就是普通命令，零适配。
不挑鉴权方式（很多人会忽略的一条）。官方 Claude in Chrome 绑死 Anthropic 官方账号登录，鉴权过不去就用不了；而国内大量用户跑 Claude Code 走的是 authtoken 接中转站，或者干脆 接第三方 API——这批人官方浏览器功能直接用不了。BrowserSkill 因为只是个普通 shell 命令，不关心你用什么模型、什么 key、什么鉴权，authtoken / 第三方 API / 别家 agent 照样能用。对"非官方订阅"的大多数人来说，这往往是唯一能用的那个。
不抢你的窗口、无冷启。用你已开的浏览器，独立的橙色 Agent Window，要碰你现有标签得显式 borrow。相比 Playwright 每次冷启新实例还跟你抢焦点，体验上确实清爽。
人在回路。request-help 暂停/恢复，验证码、二次确认、删除弹窗交回给你处理完再继续，适合"该自动的自动、该人来的叫人"的半自动流程。
MIT 开源可审计。install.sh / manifest / SKILL.md 我都读过，无 telemetry、无凭证访问，能自己核。

七、缺点（一样给硬的，别被科普文带跑）

不适合无人值守 / CI 的长时间自动化。注意：这里要分清——"需要你的浏览器开着"本身不是缺点，是设计前提，它就是要用你已开、已登录的浏览器（甚至能用 bsk tab borrow 直接借用你当前正开着的标签页来看），对"人在电脑前随手让 AI 看个页面"的场景反而是优点：没有冷启动、就是你那个真实会话。真正的短板在于连接不够稳：实测 service worker 闲置后、或浏览器重启后，instance id 会变、连接会掉（这次 Edge 实例 id 变过、Chrome 掉过线，得重跑 bsk browsers 重查）。所以没人盯着的长时间任务 / CI 流水线用它要额外做保活，不如 Playwright 省心；而你人在跟前时，掉了重连一下没什么影响。
读不了 console / network。命令集里没有专门的控制台/网络抓包命令，找前端 bug 看报错和接口返回只能用 evaluate 绕。这是相对官方 Claude in Chrome 的硬伤——后者专门主打读 console 调试。
不支持 GIF / 会话录制。实测命令集里截图只有一个 screenshot（单张 PNG，可裁剪到某元素），没有 gif/录屏/会话录制。官方 Claude in Chrome 支持"会话录制为 GIF"用来记录或分享操作过程，BrowserSkill 没有，要演示流程得自己外接录屏工具。

「读不了 console/network」这条我没忍住，动手给扩展补了一版——用 CDP 的 Log/Network/Runtime 域旁路抓取，能拿到 evaluate 绕法拿不到的引擎级报错和真实状态码。已 fork 一份（含实现）并给上游提了 issue：

Fork：https://github.com/hjxccc/BrowserSkill
Issue：https://github.com/Tencent/BrowserSkill/issues/2

实现就是照搬它自己监听对话框事件的范式，多开两个 CDP 域 + 把事件 buffer 起来——基础设施它本来就有，所以这缺口补起来很轻。

权限大，且约束是"软"的。扩展要 debugger + ，技术上能读任意站点的全部内容和 cookie；SKILL.md 里写的"不要提取凭证/cookie"只是提示词级别的约束，没有技术强制。对比之下 OpenClaw 的 manifest 只要 debugger+localhost（CDP 挂上标签本就够用，不必），更克制。
有明显的"被接管"观感。它用 CDP，会触发 Chrome/Edge 顶部那条"BrowserSkill 已开始调试此浏览器"横幅 + 整窗橙色描边 + "Agent 正在控制"浮窗（见实测截图）。安全上是好事（可见性高），但有人会觉得碍眼。
页面内容会进 Agent 上下文 = 进你的 LLM 提供商。对含敏感信息的页面，等于绕过了人工脱敏这一关。五款工具都有这个问题，但它是用任何"真实浏览器 + LLM"方案都要付的代价，得心里有数。
很新。v0.1.5、2026 年 6 月首发、star 还不多，长期稳定性和生态没经过检验；多浏览器连接时要手动 --browser 指定，体验还略糙。
session 用完必须 stop，否则堆 Agent Window；写自动化脚本时容易忘。