Tencent/BrowserSkill

它解决了什么问题

BrowserSkill 让 AI 代理能使用用户已登录的账号和会话，与用户的网页浏览器交互。它消除了代理需要处理复杂认证或管理单独浏览器配置文件的需求，让它能执行如阅读文档、填写表单和浏览内部网站等任务，同时用户仍可在浏览器中保持活动。

它的运作方式

系统由三个主要组件组成：管理连接的 CLI/守护进程、提供自动化接口的浏览器扩展（适用于 Chrome 或 Edge），以及教导 AI 代理如何使用 CLI 工具的“技能”（一组指令）。代理通过 CLI 发送指令给守护进程，守护进程再与扩展通信以控制浏览器。任务在专用的“代理窗口”中执行，以保持可见并与用户的主要工作分开，不过代理在需要时可以明确“借用”现有的标签页。

适用对象

• AI 代理用户： 使用具备 shell 能力的代理（如 Cursor、Claude Code 或 DeepSeek Harness）的人，希望其代理能使用自己的账号执行真实世界的网页任务。
• 网页开发者： 需要 AI 代理协助调试网站、捕获网络请求、控制台日志和性能指标的开发者。
• 安全/QA 测试人员： 需要自动化浏览器工作流程并捕获错误证据的人。

重点特色

• 会话持久性： 使用浏览器当前的登录状态，消除手动管理凭据的需求。
• 网站调试： 捕获详细证据，包括 HTTP 请求、响应主体和控制台消息，以利 AI 驱动的调试。
• 灵活部署： 支持本地自动化、通过 WSS 连接到本地浏览器的远程服务器端代理，以及沙盒环境。
• 视觉透明度： 任务在可见的代理窗口中执行，用户可以确认代理何时借用现有标签页。
• 全面捕获： 支持视口和整页截图，并自动滚动。
• 多配置文件支持： 允许将任务绑定到特定浏览器配置文件或具名实例。