今日推荐项目 #04：BrowserSkill，让 AI 直接操作你已登录的浏览器
还在用 --remote-debugging-port 折腾 AI 控制浏览器？bsk 命令行 + 一个浏览器扩展，就能让 Cursor / Claude Code / WorkBuddy 等任何能调 shell 的 AI，直接操作你已经登录的浏览器——不用另开测试账号、不用复制 Cookie、更不用和调试端口死磕。隔离的 Agent Window + 标签借用 + 人工接管，安全又顺手。
本文
它是什么
BrowserSkill 是腾讯开源的一套「AI 浏览器自动化」基础设施，一句话定位：让 AI Agent 用你真实、已登录的浏览器，而且不打断你自己的工作。
它不是浏览器、不是框架，而是两块本地运行时拼起来的桥：
bskCLI + 本地 daemon：AI 通过 shell 调bsk命令，命令经本地 daemon 转发；- 浏览器扩展：扩展挂在你的 Chrome / Edge 里，通过
127.0.0.1的 WebSocket 和 daemon 通信，实际在浏览器里执行操作。
项目基本信息：
| 项目 | 值 |
|---|---|
| 语言 | Rust（CLI/daemon）+ TypeScript（扩展） |
| 许可证 | MIT |
| 平台 | macOS（Intel/Apple Silicon）、Linux（x64/ARM64）、Windows x64 |
| 浏览器 | Chrome、Edge；其他 Chromium 系预期可用；Firefox 规划中 |
| 当前版本 | 0.2.1（2026-09-08） |
它解决什么痛点
传统「AI 操控浏览器」无非两条路，各有各的坑：
--remote-debugging-port，端口经常被 Electron 等占用（WorkBuddy 就占着 9222）一句话：CDP 是「你自己想办法搭调试通道」，BrowserSkill 是「装好即用的安全桥」，还把「隔离 + 人工接管」这些工程细节一并做了。
四大核心特性
- 复用真实登录态：AI 直接操作你已经登录的网站，不用单独开测试号、不用导出 Cookie。
- 不打断你的工作：任务跑在独立的 Agent Window，你继续用自己的浏览器，互不干扰。
- 任意 Agent 通用：只要会调 shell 的 Agent 都能用
bsk，不绑定某个模型或框架。 - 内置人工接管：遇到验证码、登录、二次确认等「只有人能干」的步骤，Agent 会请求你接管，完了接着跑。
工作原理
Agent 从不直接碰浏览器，中间隔了三层：
┌──────────────┐ shell: bsk ... ┌───────────────┐
│ AI Agent │ ─────────────────► │ bsk CLI │
│ (Cursor 等) │ │ + 本地 daemon │
└──────────────┘ └───────┬───────┘
│ 本地 IPC
▼
┌─────────────┐
│ 浏览器扩展 │
│ (127.0.0.1 │
│ WebSocket) │
└──────┬──────┘
│ 自动化执行
▼
┌──────────────────────────┐
│ Agent Window（隔离窗口） │
│ ↕ 仅 borrow 时才触碰 │
│ 你的正常窗口（User Window）│
└──────────────────────────┘
一次任务的完整链路：
AI 发起请求
Agent 解析你的需求，把它拆成 bsk 命令序列。
CLI 交给 daemon
bsk 把请求通过本地 IPC 丢给 daemon，daemon 再转发给扩展。
扩展在 Agent Window 执行
扩展在隔离的 Agent Window 里打开页面、点击、填表、截图。
观察结果回传
页面语义结构回传给 Agent，Agent 决定下一步，直到目标达成。
安装：让 AI 帮你装（最省事）
如果你已经在用 Cursor / Claude Code / WorkBuddy 这类能调 shell 的 Agent，连命令都不用记——把下面这句原样丢给它就行：
AI 会自己走完整条安装链，你只需在「装扩展」那一步点一下鼠标：
AI 装 CLI + skill
按平台跑 install 脚本，再 bsk install-skill 把技能装进你的 Agent。
AI 跑 bsk doctor 体检
逐项检查、缺什么提示什么；只有「扩展未连接」是正常的——扩展必须你亲手装。
你装浏览器扩展
AI 给你 Chrome / Edge 商店链接，装上、点开扩展弹窗，等它变绿后回一句「好了」。
AI 再体检确认就绪
bsk doctor 全 ok / na 即完成，之后直接用。
bsk doctor 全部 ok / na。
手动安装三步走（备选）
想看清每一步在干嘛，或你的环境走不了自动装，就手动来。第一步装 CLI，第二步装扩展，第三步装 skill。系统不同只是第一步命令不同：
Windows（PowerShell）
irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex
macOS / Linux
curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh
装完 CLI 后，两步都一样：
- 扩展从 Chrome Web Store 或 Edge Add-ons 装；其他 Chromium 内核装 Chrome 版即可。
bsk install-skill用空格勾选你要接的 harness（Cursor / Claude Code / WorkBuddy…），回车装进对应技能目录。- 最后
bsk doctor一键体检，确认扩展连上了 daemon。
上手：一次真实对话
以「看看中转站控制台账户余额」为例，Agent 侧的命令流大概是：
[self]我
帮我打开 justwoker 控制台看看账户余额。
小沃
我通过浏览器自动化来办。
[self]我
好，我的浏览器已经登录了，直接用。
小沃
bsk session start → bsk navigate https://api.justwoker.icu/dashboard/overview → bsk observe，看到账户余额 $166，一切正常。
底层就是这几条命令（节选）：
完整命令清单（不要凭感觉编，以 bsk <cmd> --help 为准）：
展开查看命令族
session（start/stop/list）、browsers、status、doctor、update、logs、navigate / navigate-back / navigate-forward / reload / wait-for-navigation / wait-ms、observe / snapshot / get-html / screenshot / console / network、click / hover / fill / select / press / evaluate、tab（list/create/close/select/borrow/return）、window resize、emulate、upload / download、request-help、record（start/stop）
三个关键机制，必须理解
这套工具最值得说的不是「能操作」，而是「怎么安全地操作」：
bsk tab list --scope user 找你的标签，bsk tab borrow <id> 借进来干活，干完 bsk tab return <id> 立即归还，不能长期占用。
request-help 请你接管，完成后再继续，而不是硬闯。
操作录制：把流程录成 AI 能照做的 trace
除了让 AI 自己操作，BrowserSkill 还能反过来——你手动演示一遍，它录成 AI 能学的东西：
bsk record start 打开 Agent Window 记录你的每一步操作，停止后导出语义化 trace.json（附每步页面状态 states/*.txt）。这份 trace 就是「操作教科书」，之后 AI 照着它就能复现同一套流程。
典型用法：有些网站的流程绕得用嘴说不清，录一遍比写十句话省事：
几个关键参数：
| 参数 | 作用 |
|---|---|
--purpose |
给这段 trace 写一句目标，AI 拿到就知道它要干什么 |
--redact-values |
脱敏：表单里填的值在记录里只显示 [filled]，不落敏感内容 |
--output ./trace |
产物目录，默认写 trace.json + states/*.txt |
--redact-values 就加上，别让表单明文进 trace。
我为什么从 CDP 转过来
--remote-debugging-port 折磨过的人，会秒懂它的价值——端口被 Electron 占、profile Cookie 被 Chrome 独占锁、DevToolsActivePort 过期……这些坑它一个都不用踩。
就我这次的体验：装上扩展、bsk doctor 全绿，session start 一句就接管了已登录的浏览器，比之前折腾 CDP 那套省太多事。
避坑 FAQ
不想多开一个窗口，能直接控制我当前标签吗？
Agent Window 隔离是设计，关不掉；但 bsk session start --no-focus 会在后台静默开、不抢焦点。想动你正开着的某个标签，用 bsk tab borrow 借用再归还。
会和我正在用的标签打架吗？
不会。默认只操作 Agent Window；你的窗口标签只有被 borrow 时才被动，borrow 有确认、用完即还。
支持 Firefox 吗？
目前只支持 Chrome / Edge，Firefox 在路线图上（planned），还没实装。
报错连不上扩展怎么办？
先 bsk doctor 看扩展是否在线；再 bsk browsers 看有没有连上的浏览器实例；还不行就重开浏览器让扩展重新握手。
结语
如果你经常让 AI「帮我看看这个网页 / 帮我点一下 / 帮我填个表」，又不想在调试端口和 Cookie 里打滚，BrowserSkill 是眼下最省心的选择之一——装一次，所有 shell-capable 的 Agent 都能复用。
