SawyerHood/dev-browser

解决的问题

dev-browser 提供了一种方式，让 AI 编码代理能与网页浏览器交互，而无需为每个单一操作重新启动浏览器会话。它允许代理在多次脚本调用之间维持状态（如登录会话或导航历史记录），从而实现更高效的“观察 $\rightarrow$ 行动 $\rightarrow$ 验证”工作流程。

运作方式

该工具作为一个管理 Chrome 实例的守护进程运行。编码代理可以使用 CLI 或 MCP (Model Context Protocol) 服务器将简短的 JavaScript 脚本发送给这个守护进程。这些脚本使用修改过的 Puppeteer API 来控制浏览器。

关键技术机制包括：

• 持久页面：在不同脚本执行之间保持其状态的命名标签页。
• 无障碍树快照：它不提供原始 HTML，而是提供紧凑的无障碍树，这对 LLM 来说更容易阅读，并包含稳定的元素引用（例如 e12）。
• 灵活连接：它可以启动自己隔离的 Chrome 配置文件，或者附加到用户机器上已经打开的浏览器。
• 执行上下文：每个脚本都在全新的 node:vm 上下文中运行，以保持全局变量分离。

适用对象

它专为构建 AI 代理（特别是编码代理）的开发人员设计，这些代理需要自动化浏览器任务、检查网页，并实时验证其操作的结果。

重点特色

• 有状态的会话：通过命名标签页在多次调用之间维持浏览器状态。
• AI 优化输出：使用无障碍树来提供紧凑、易读的页面快照。
• Puppeteer 集成：利用真实的 Puppeteer Page API 并为 AI 代理添加辅助功能。
• 浏览器附加：能够通过 CDP (Chrome DevTools Protocol) 连接到现有的 Chrome 实例。
• MCP 支持：包含内置的 MCP 服务器，可与 Claude 等工具无缝集成。