anomalyco/browser-control

解決的問題

瀏覽器控制讓 AI 編碼代理能與使用者的實際網頁瀏覽器互動，而非使用獨立的無頭實例。這使得代理能利用使用者現有的已登入會話、瀏覽器設定檔與安裝的擴充功能來執行任務，無需代理手動處理複雜的驗證或會話管理。

工作原理

它作為一個驅動程式，將本地中繼與瀏覽器擴充功能連接。代理將 Playwright 程式碼片段傳送至中繼，中繼再透過使用者 Chromium 家族瀏覽器中的擴充功能執行這些程式碼。它包含一個「技能」，可教導代理最佳工作流程（例如，在執行前檢查頁面），並可透過 MCP（模型上下文協定）伺服器作為工具公開。

適用對象

專為使用 AI 編碼代理（如 Claude Code 或 OpenCode）的開發者設計，希望這些代理能在真實瀏覽器環境中安全高效地自動化任務。

主要亮點

• 會話持久化：使用真實的瀏覽器設定檔與已登入會話，而非無頭瀏覽器。
• 人機協作：包含 handoff() 函數，可在需要人工操作的步驟（如 CAPTCHA 或 2FA）時暫停代理執行。
• 標籤頁接管：可連接並控制使用者已開啟的瀏覽器標籤頁。
• 智能檢查：提供 snapshot() 和 ariaSnapshot() 輔助函數，幫助代理透過穩定引用理解頁面結構，避免 DOM 偏移。
• 網路捕獲：可記錄已認證的 API 互動，從而於不暴露密鑰的情況下推導出直接的 API 客戶端。
• 唯讀模式：提供一種拒絕鍵盤與滑鼠輸入的會話類型，防止意外修改。