nicobailon/surf-cli

它解决了什么问题

Surf 提供了一个简单、与智能体无关的 CLI，用于让 AI 智能体控制 Chrome 浏览器。它消除了对复杂设置、专有 API 密钥或特定 AI 提供商锁定的需求，允许智能体像人类一样与网页进行交互——使用现有的浏览器登录状态和会话。

工作原理

Surf 作为一个 CLI 工具运行，通过 Unix socket 与 Chrome 扩展程序进行通信。它使用原生消息主机（native messaging host）来桥接 CLI 和浏览器。这种架构允许任何可以执行 shell 命令的工具使用它（例如 Claude Code、GPT 或自定义 shell 脚本）。

关键技术特性包括：

• 可访问性树集成 (Accessibility Tree Integration)：使用来自可访问性树的稳定元素引用（e1、e2 等），使交互比传统的 CSS 选择器对 DOM 变化的适应性更强。
• 会话管理：实现了一个会话系统，允许多个独立的智能体并发操作浏览器标签页而互不干扰。
• 远程访问：支持通过 Tailscale 进行远程浏览器控制，使用双向 Ed25519 挑战-响应机制进行安全身份验证。
• 智能默认设置：自动调整截图大小以节省 token，并在操作后捕获截图以减少智能体的往返次数。

适用人群

正在构建 AI 智能体的开发者，这些智能体需要浏览网页、进行研究或与 Web 应用进行交互，而无需承担管理无头浏览器集群或复杂 API 集成的开销。

亮点

• 与智能体无关 (Agent-Agnostic)：适用于任何可以运行 CLI 命令的 LLM 或智能体框架。
• 零配置：通过 npm 和 Chrome 扩展程序快速安装。
• 语义定位器：通过 ARIA 角色、文本或标签查找并与元素进行交互。
• 利用浏览器 Cookie：使用现有的浏览器登录状态而非 API 密钥来查询 ChatGPT、Gemini 和 Perplexity 等 AI 服务。
• Iframe 支持：能够在 frame 之间切换以与嵌套内容进行交互。
• 网络捕获：自动记录网络请求，以便对 API 调用进行过滤和重放。