anomalyco/browser-control

解决的问题

浏览器控制允许 AI 编码代理与用户的实际网页浏览器交互，而不是使用独立的无头实例。这使得代理能够利用用户现有的已登录会话、浏览器配置文件和已安装的扩展程序来执行任务，无需代理手动处理复杂的认证或会话管理。

工作原理

它作为一个驱动程序，将本地中继与浏览器扩展连接。代理将 Playwright 代码片段发送到中继，中继通过用户 Chromium 家族浏览器中的扩展程序执行这些代码。它包含一个“技能”，可教会代理最佳工作流程（例如，在执行前检查页面），并通过 MCP（模型上下文协议）服务器作为工具暴露。

适用人群

专为使用 AI 编码代理（如 Claude Code 或 OpenCode）的开发者设计，希望这些代理能够在真实浏览器环境中安全高效地自动化任务。

主要亮点

• 会话持久化：使用真实的浏览器配置文件和已登录会话，而非无头浏览器。
• 人机协作：包含 handoff() 函数，可在需要人工操作的步骤（如 CAPTCHA 或 2FA）时暂停代理执行。
• 标签页接管：可连接并控制用户已打开的浏览器标签页。
• 智能检查：提供 snapshot() 和 ariaSnapshot() 辅助函数，帮助代理通过稳定引用理解页面结构，避免 DOM 偏移。
• 网络捕获：可记录已认证的 API 交互，从而在不暴露密钥的情况下推导出直接的 API 客户端。
• 只读模式：提供一种拒绝键盘和鼠标输入的会话类型，防止意外修改。