nicobailon/surf-cli

它解決的問題

Surf 提供了一個簡單、與代理無關的 CLI，讓 AI 代理可以控制 Chrome 瀏覽器。它消除了複雜設定、專有 API 金鑰或特定 AI 提供商的鎖定需求，讓代理能像人類一樣與網路互動——使用現有的瀏覽器登入和會話。

如何運作

Surf 作為一個 CLI 工具運作，透過 Unix socket 與 Chrome 擴充功能通訊。它使用原生訊息主機來橋接 CLI 與瀏覽器。這種架構使其能被任何能執行 shell 命令的工具（如 Claude Code、GPT 或自訂 shell 腳本）使用。

主要技術特色包括：

• 可存取性樹狀結構整合：使用可存取性樹狀結構中的穩定元素參考（e1、e2 等），使互動對 DOM 變更更具韌性，優於傳統的 CSS 選取器。
• 會話管理：實作會話系統，允許多個獨立代理同時操作瀏覽器分頁，彼此不互相干擾。
• 遠端存取：支援透過 Tailscale 進行遠端瀏覽器控制，使用相互的 Ed25519 挑戰-回應機制進行安全驗證。
• 智慧預設值：自動調整截圖大小以節省 token，並在操作後自動截圖，減少代理的往返次數。

適用對象

需要瀏覽網路、執行研究或與網路應用程式互動的 AI 代理開發者，無需管理無頭瀏覽器叢集或複雜的 API 整合開銷。

特色亮點

• 代理無關：可與任何能執行 CLI 命令的 LLM 或代理框架搭配使用。
• 零設定：透過 npm 快速安裝，並搭配 Chrome 擴充功能。
• 語意定位器：根據 ARIA 角色、文字或標籤尋找並與元素互動。
• 利用瀏覽器 Cookie：使用現有的瀏覽器登入，查詢 ChatGPT、Gemini 和 Perplexity 等 AI 服務，無需 API 金鑰。
• 支援 Iframe：可切換框架以與嵌套內容互動。
• 網路請求捕捉：自動記錄網路請求，以便過濾與重播 API 呼叫。

這是一個真正能讓 AI 代理像人類一樣與網頁互動的工具——無需複雜設定，也無需 API 金鑰。— @handle