keon/browser-control

解决的问题

browser-control 为 AI 编码代理提供了一种无需复杂 SDK、长期运行的服务器或特定语言框架即可与真实网页浏览器交互的方法。它通过将浏览器功能暴露为简单、原生的 shell 命令，解决了脆弱的网页选择器问题，以及让 LLM 获得“手和眼”以导航网页的困难。

工作原理

这是一个轻量级的 Rust CLI，通过 Chrome DevTools Protocol (CDP) 与浏览器通信。它不依赖于 CSS 选择器，而是使用 snapshot 命令生成稳定的元素引用（例如 @e1, @e2），代理可以使用这些引用执行点击或填写表单等操作。它可以通过 CDP 驱动本地 Chrome 实例或通过各种云提供商（如 Browserbase 或 Steel）的远程会话，使用相同的命令集。

适用人群

主要面向那些已经能够执行 shell 命令、并需要一种可靠且可调试的方式控制浏览器进行测试或自动化的 AI 编码代理开发者。

特色亮点

• 原生 shell： 每个功能都是一个子命令，输出文本或 JSON，便于在 shell 中进行管道和组合。
• LLM 友好引用： 使用快照生成的稳定元素句柄（@e1, @e2）避免了脆弱的 CSS 选择器。
• 与提供方无关： 通过 CDP 支持本地 Chrome 或远程云浏览器。
• 可观测性： 内置后台守护进程用于事件/网络/控制台追踪，并在命令失败时自动生成紧凑的追踪记录，供代理自我诊断。
• 原始 CDP 访问： 提供 eval 和 cdp 命令作为逃生通道，用于处理所有未被辅助接口覆盖的操作。