BrowserSkill 完整教程：让 AI Agent 操作你已登录的真实浏览器，全程不打断你的工作

BrowserSkill 完整教程让 AI Agent 操作你已登录的真实浏览器全程不打断你的工作【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkill想象这样一个场景你要整理的数据藏在一个需要登录的内网系统里手动一条条复制太慢而普通 Agent 自带的无头浏览器既登不上去把账号密码交给它又不放心。BrowserSkill 解决的就是这个问题——它把你的 AI Agent 接到已经登录好的真实浏览器上任务在一个独立的 Agent Window 里跑你自己的浏览窗口照常用互不干扰。一分钟看懂 BrowserSkillBrowserSkill 是一个本地桥接层bskCLI 加一个浏览器扩展把 Cursor、Claude Code、Codex、OpenClaw、DeepSeek Harness 等任何能调 Shell 的 Agent 接到 Chrome 或 Edge 上。它复用你现有的登录态但不提取任何 Cookie 或凭据这条约束直接写死在 skill 说明里需要碰你的标签页时必须显式借用并归还遇到验证码、登录这类必须人出场的步骤Agent 可以主动请你接管。一句话分工Agent 负责决策bsk负责传话扩展负责在浏览器里动手。装好环境每个平台的最短路径先确认你的环境在支持范围内组件支持情况bskCLI / daemonmacOSApple Silicon 和 Intel、Linuxx64/ARM64、Windows x64浏览器扩展Chromium 125 的 Chrome、Microsoft Edge其他 Chromium 系浏览器一般可用Agent 接入任意能调 Shell 的 Agent配 skill或 DeepSeek Harness配官方插件本地自动化 Agent bskCLI 扩展三件套缺一不可。偷懒路线让 Agent 替你装。直接对它说按照 BrowserSkill 仓库中 AGENT_INSTALL.md 的说明在本机安装并配置 browser-skill它会负责装 CLI、装 skill、检查连接你只需要在浏览器里装好扩展。手动路线macOS / Linux执行仓库根目录的install.sh默认装到~/.local/bin然后把它加进 PATHexport PATH${BSK_INSTALL_DIR:-$HOME/.local/bin}:$PATHWindows PowerShell执行根目录的install.ps1扩展在 Chrome Web Store 或 Edge 加载项商店搜索BrowserSkill安装装完先跑一句bsk --version确认二进制能跑起来。注意已经开着的 Agent 可能还带着旧 PATH找不到bsk就重启它或改用二进制的绝对路径。连上扩展并完成第一次任务 这一步的目标不是装完而是亲眼确认链路通了。打开扩展弹窗启用Local connection本地连接。弹窗会显示已连接 / READY状态你还能给浏览器起个别名如个人 Chrome方便多 Profile 时指名道姓。跑bsk doctor按提示处理失败项。注意一项是N/A没装任何 skill时 doctor 也能通过所以 skill 是否被 Agent 发现要单独验证。给 Agent 装 skillbsk install-skill空格选中你的 Agent harness回车完成。非交互场景显式指定如bsk install-skill --harness cursor --json--list可查看所有目标和安装路径。验证标准全部满足才算成功扩展弹窗显示已连接bsk doctor无失败项开一个新的Agent 会话确认能发现browser-skill然后让它打开 example.com 并总结页面。页面读得出、任务结束会话即停止说明整条链路通了。不想走 Agent也可以纯 CLI 摸一遍最小流程bsk session start --no-focus --json拿到session_id然后bsk navigate→bsk observe→bsk screenshot→bsk session stop id。无论成败最后都要 stop顺手归还借用的标签页。能力地图按场景看它替你做什么读页面、点鼠标observe refs 是核心套路交互前先bsk observe --session id读页面它会返回带eN编号的控件清单之后所有动作都对着这些编号来你要做什么命令形态点击 / 填写 / 选择bsk click e3/bsk fill e3 --value 文本/bsk select e3 --value 选项值按键 / 聚焦 / 失焦bsk press Enter --ref e3/bsk focus/bsk blur展开悬停菜单 / 滚轮 / 露出元素bsk hover e3/bsk wheel --delta-y 600/bsk scroll-to e3几个容易踩空的细节select认的是选项的value属性而不是可见文字页面出现[hover first: Shoes | Bags]、[has-submenu]这类悬停标记时先 hover 触发器再重新 observe才能拿到新条目的 ref观察结果太大时用--max-tokens n截断再靠返回的next_cursor续读同一份捕获。标签页默认用 Agent Window要碰你的标签就借用任务默认在 Agent Window 里开新页面不碰你的窗口。确实需要操作你已打开的标签时走借用流程bsk tab list --scope user先看清单bsk tab borrow tab-id借走弹窗确认用完bsk tab return tab-id立刻还。不要编造 tab ID也不要让用户标签跨任务挂着。截图与 Canvasbsk screenshot --session id --out viewport.png # 视口 bsk screenshot --session id --ref e3 --out e3.png # 单个元素 bsk screenshot --session id --full-page --out page.png # 整页见进阶页面里的 Canvas 内容会带eN canvas [visual:screenshot]标记。要点对 Canvas 截图里的某个位置时保留截图的capture_id用原始 PNG 像素坐标点击bsk click e3 --capture id --image-x x --image-y y。capture 一次性使用、2 分钟过期。文件、诊断与最后手段bsk upload e3 --file ./a.pdf/bsk download e3 --out ./a.pdf上传等于把文件披露给站点下载默认拒覆盖--overwrite强制。console/network做有界的只读诊断emulate --device iphone-14只影响单个标签--off恢复。evaluate是最后手段脚本异常时 CLI 退出码可能仍是 0必须检查 JSON 里的.ok也绝不要用它在页面上读密码、Cookie 这类东西。人不在场时请人到场human-in-loop登录、验证码、支付确认或者试了两次没进展时bsk request-help --session id --prompt Please complete sign-in --target e3结果这样处理continued/completed→ 重新 observe 继续cancelled/timed_out→ 尊重拒绝别再问disabled→ 说明浏览器里没开人工协助不请求也不重开改用现有登录态和可行替代方案推进。注意关闭协助不等于你完成了那一步Agent 不能拿求助不可用当任务完成的理由。进阶玩法长截图、远程连接与无人值守 长截图整页拼接不怕长页面对 Agent 会话里的页面bsk screenshot --session id --full-page --out page.png即可默认采集与编码各 2 分钟超长页面加--timeout 5m支持 Ctrl-C 取消且结束后恢复原滚动位置。插件的快捷功能 → 长截图还提供三种模式脱离 CLI 也能用整页自动滚动拼接增量滚动、跟随追加内容、到底部后等高度稳定长图·我滚动你手动滚完成后点 Finish and keep可见区域一次拍。默认--scope follow跟随追加内容--scope current只拍开始测量时的文档区域。为什么它省内存因为长图不是一张完整位图新捕获是一组 512 像素高的 PNG 瓦片存在扩展的 OPFS 里导出时专用 worker 逐瓦片读取、流式压缩全程不构建全图像素缓冲——官方基准里 3170×100062 像素的图RGBA 缓冲峰值约 41.7 MiB而完整图需要约 1.27 GB。内部浏览器页、嵌套滚动面板和虚拟化列表不在支持范围内。 远程连接Agent 在服务器浏览器在你桌上人在办公室、Agent 跑在云上把 CLI 和 daemon 放到服务器扩展在你电脑上主动出站连过去鉴权 WSS本机不用开放任何入站端口。任务依旧跑在独立 Agent Window 里。流程三步服务器侧BSK_AUTO_START0 bsk daemon pair生成一次性配对链接默认 5 分钟过期扩展弹窗切到Remote connection粘贴保存Agent 用bsk status --json确认浏览器出现后照常开会话。设备管理用bsk daemon devices查看、bsk daemon revoke ID或--all吊销吊销会同时关闭现有连接和拒绝新连接。两点提醒远程模式当前不支持文件上传/下载BSK_HOME里的设备授权数据要跨重启持久化且别在不同独立服务器间共享。无人值守与设置的最终裁决权扩展弹窗里有两个默认开启的独立开关借用标签页前确认和允许请求人工协助。记住一条原则浏览器里保存的设置说了算。关闭借用确认借标签不再弹窗关闭人工协助request-help直接返回disabled。以前靠--unattended、tab borrow --no-confirm、BSK_REQUEST_HELPoff这类参数实现的免确认在 0.3.0 起不再有效参数保留只为兼容识别不能覆盖浏览器设置。偏好读取失败时后台按两项都开处理不会伪造disabled糊弄你。DeepSeek Harness 插件用dsh的话不用手动装 skill——官方插件npm 包wxg-prc-cpg/browser-skill-dsh-plugin自带 skill 和原生browser_*工具还在 Web UI 里实时展示会话与截图。装好bsk和扩展后dsh plugin --profile 你的profile add wxg-prc-cpg/browser-skill-dsh-plugin插件不会自动更新升级后记得重启对应 profile。它怎么工作白话解释Agent 从不直接碰浏览器它只是往 Shell 里敲bsk命令CLI 通过本地 IPC 把类型化 RPC 发给常驻的 daemon没运行时自动拉起session start会一直等到扩展重连上才放行daemon 再通过本机 WebSocket 转发给扩展扩展用 CDP 在浏览器里动手。协议契约集中定义在 crates/bsk-protocol/每个工具都有对应的参数/结果 JSON Schema。一个贴心的细节CLI 的 IPC 超时节上设为 35 秒故意比 daemon 的 30 秒工具超时长一点保证你收到的是结构化的超时错误而不是连接先断。避坑指南新手最常卡的五个地方三个版本必须对齐。CLI、正在跑的 daemon、扩展以及 DSH 插件版本不一致时长截图等新功能会直接罢工。升级后跑bsk --versionbsk statusbsk doctor三件套核对换了二进制记得bsk daemon restart。沙盒环境会把 daemon 弄丢。如果你的 Agent 每条命令后都回收后台进程daemon 会反复死掉又重启。解法是宿主机上保活 daemon沙盒内用共享的BSK_HOME加BSK_AUTO_START0连接详见 沙盒配置指南。导航之后 refs 全作废。每次导航或大 DOM 变化后必须重新 observe 再动作拿着旧eN去点只会得到 stale ref。另外所有工具调用最长等 35 秒动作超时或效果未知时先查当前状态再重试——它可能已经生效了。Agent Window 不是沙盒。它共享所选 Profile 的完整登录态Agent 拿到的是你账号在网站上的全部权限。所以只把任务交给你信任的 Agent并想清楚让它做哪一步。别拿求助不可用当完成理由。关闭人工协助后Agent 应该利用现有登录态和可行替代继续推进只在手机扫码、人脸验证这类确实拿不到的验证输入面前如实报告受阻而不是把任务标记完成或一跑了之。资源汇总想做什么看哪里Agent 自助安装与连接验证AGENT_INSTALL.md长截图完整语义与限制docs/long-screenshot.md远程连接、配对与 TLS 反代docs/remote-extension-connection.md沙盒环境 daemon 托管docs/sandboxed-agents.md网站调试请求/控制台/重放docs/website-debugging.mdProfile 选择与标签借用docs/browser-profiles.md · scroll-to 约定操作审计docs/operation-audit.md架构与协议docs/architecture.md · crates/bsk-protocol/源码侧crates/bsk-cli/ 是 CLI、daemon 和内置 skillapps/extension/ 是扩展主体含 browser-driver、recording、long-screenshot、session-manager 等模块packages/dsh-plugin-browserskill/ 是 DeepSeek Harness 插件evals/browser/ 是本地浏览器能力评测台。项目采用 MIT 许可扩展界面支持 10 种语言含简繁中文。【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkill创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考