A personal collection of an AI product manager.
Let's face the future together and embrace the AIGC era.

AI 说网页修好了,其实它根本没打开看过:给 Agent 一个浏览器的 5 个开源项目

用 Claude Code、Cursor 改前端的人,大概都遇到过这种事:Agent 信心满满地说「已修复」,你一刷新,按钮还是歪的,控制台一片红。它没撒谎,它只是从头到尾没看过这个页面,改完代码就当事情办完了。

周末 X 上有条帖子把这事说得很直白:编程 Agent 说「fixed」之前从没看过页面,给它一个浏览器就行(原帖)。同一时间,GitHub 日榜上 Chrome 官方的 DevTools MCP 一天涨了 717 星,周榜上 Vercel 的 agent-browser 一周涨了 4217 星。看来大家都想通了同一件事:光会写代码不够,得让 AI 自己上网页看一眼、点一下。

我按三种思路挑了五个:让 AI 看自己做的页面,让 AI 在你的浏览器里替你点,以及干脆把整件网页上的活交给它。

第一种:让它自己验收

ChromeDevTools/chrome-devtools-mcp:Chrome 官方给 Agent 的开发者工具

Chrome DevTools MCP 仓库卡片

这是今天唯一一个老牌大项目,去年 9 月建的,现在 57000 星,今天还在日榜上涨了 717 星。放进来是因为它最对题:它干的就是「改完让 AI 自己去看」这一步。

接上之后,Agent 能打开一个真的 Chrome,截图、读控制台报错(带 source map 还原的堆栈)、看网络请求、录性能 trace 再给出优化建议。你可以直接对它说「查一下这个页面的性能」,它会自己开浏览器录一遍。包里还带了几个现成技能,查无障碍问题、查 Cookie 和登录态、查内存泄漏、优化首屏最大内容渲染。11 月 11 日的 1.13.0 又加了日志断点和按页面模拟网络响应,调试接口出错的场景会顺手很多。

README 里有几条要先知道:Google 默认会收集使用统计,可以用参数关掉;性能工具可能把页面地址发给 Google 的 CrUX 接口取真实用户数据,也能关;官方只保证 Chrome 和 Chrome for Testing,别的 Chromium 浏览器不打包票。还有一句很重要,浏览器里的内容 Agent 都能看到也能改,敏感信息别放在这个浏览器里。

GitHub:ChromeDevTools/chrome-devtools-mcp · 57000★ · Apache-2.0

vercel-labs/agent-browser:一条命令点一下,页面变成几行字

agent-browser 仓库卡片

11 月 6 日写过它,那时 45944 星,十天后到了 51648 星,周榜一周涨了 4217 星,涨势一点没停。

它跟 DevTools MCP 的区别在于形态:是一个 Rust 写的命令行工具。Agent 打开页面后拿到的不是截图也不是一大坨 HTML,而是一份精简的元素清单,每个按钮、链接都有个编号,Agent 说「点第几个」,点完再看一眼结果,一步一条命令。浏览器在命令之间一直开着,所以每一步都很短。

我觉得它有个细节做得很实在:点击目标被隐藏、被禁用、或者被 Cookie 弹窗挡住时,它会直接报失败,而不是假装点成功了。这恰好是 Agent「以为做完了」的常见来源。

这次再提它,是因为 11 月 13 日的 0.43 加了一个 Modern Web Guidance 技能:先去取 Chrome 团队的网页最佳实践,再用 agent-browser 打开做好的页面检查一遍。写页面加自己验收,正好接上今天的主题。

GitHub:vercel-labs/agent-browser · 51648★ · Apache-2.0

第二种:用你平时那个浏览器

上面两个默认开的是一个干净的测试浏览器,没有你的登录状态。可很多活偏偏要登录:看后台数据、填内部系统、查订单。下面这个走的是另一条路。

anomalyco/browse:Agent 用你的标签页,登录和付款交还给你

browse 示意图:Agent 通过中继盒子操作你的浏览器

做 OpenCode 的团队 10 月 27 日新建的仓库,现在 610 星,11 月 15 日刚发 v0.0.17,这个月至少发了三版。

它是一个小的本地 MCP 服务加一个浏览器扩展,让 Agent 直接用你正在用的 Chrome、Edge、Brave、Arc,带着你的登录和扩展。Agent 在后台开自己的标签页,自动折叠成一组,不打扰你;它只能动自己开的标签页和你主动借给它的那个。

最打动我的是「交接」:碰到登录、两步验证、付款这种该人来做的事,它会把标签页交还给你,你弄完点「继续」,它接着干。遇到 Cloudflare 验证和验证码,它只报告、交给你,README 写明从不自己去破解。

安全那段也写得清楚:它默认把 Agent 读到的网页和邮件当成可能在「带节奏」的内容;清 Cookie、关浏览器、改网站权限这类操作直接拒绝。要注意的是,跨电脑使用时它自己不加密连接,作者建议走 Tailscale 或 WireGuard,别直接暴露在公网。

GitHub:anomalyco/browse · 610★ · MIT

第三种:别一下下点了,整件事交给它

前面几个都是 Agent 一步一步指挥浏览器。如果你要的是「帮我把这几家的数据查齐做成表」,一步步点就太慢了。

alibaba/qz-browser-agent:阿里的侧边栏 Agent,能拆任务、出表格

qz:编程 Agent 在终端里调用 qz,侧边栏显示每一步

阿里 10 月 12 日开源的,名字叫 qz,现在 221 星,星不多,但 11 月 14 日刚发了 v0.1.9,更新很勤。

它住在 Chrome 的侧边栏里,你一句话交代任务,比如「对比近半年发布的开源大模型,每个一行,写清发布日期、参数、上下文长度和协议,附官方来源」,它会在你登录过的网站上自己翻,把大任务拆成子任务并行跑,最后交给你一张带来源的表格。跑通一次后说一句「存成技能」,下次一句话复用。

它两头都照顾:人能在侧边栏看到每一步,随时插手或叫停;Claude Code、Codex 这类编程 Agent 也能通过命令行或 MCP 调它,把整件网页上的活丢过去。模型自己接,DeepSeek、Kimi、OpenRouter 都有预设,数据只发给你选的模型。目前正式支持 Chrome 和 Edge,Firefox 版还没上架。

GitHub:alibaba/qz-browser-agent · 221★ · Apache-2.0

Player-YN/BrowserKitten:不碰终端也能用的那一个

Browser Kitten 侧边栏截图

前面四个多少都要跟命令行打交道。Browser Kitten 8 月 28 日建,两个多月 2392 星,是一个纯 Chrome 扩展:下载源码压缩包,在扩展页面加载进去就能用,不用装 Node 也不用 Python。

它在侧边栏里读你登录过的页面、整理资料、存成文档,点击和填表交给一个单独配置的「执行模型」。我觉得有意思的是本地跟进:你交代目标和停止条件,它会按分钟级定时回来检查,没变化就不吭声,有变化再告诉你。

作者在「当前限制」里写得很坦白:只能在 Chrome 开着、电脑醒着时跟进;同一时间最好只跑一个操作浏览器的任务;不保证在所有网站、所有模型上都成功。另外 Releases 页面上的版本比 main 分支旧,想用新版要按 README 下 main 的压缩包。

GitHub:Player-YN/BrowserKitten · 2392★ · MIT


如果你主要是写前端,只装一个的话,我选 Chrome DevTools MCP,它让「改完自己看一眼」这件事几乎零成本。经常要在登录后的网站上干杂活的,可以试试 browse,交接设计让人比较放心。至于 qz 和 Browser Kitten,适合想把整件网页调研甩出去、自己只看结果的人。

不管用哪个,都可以学 browse 的默认假设:Agent 读到的网页和邮件,可能有人故意写了话想带偏它。让 AI 用你登录着的浏览器,权限越大越要留个心眼。

Like(0) 打赏
未经允许不得转载:AIPMClub » AI 说网页修好了,其实它根本没打开看过:给 Agent 一个浏览器的 5 个开源项目

觉得文章有用就打赏一下文章作者

非常感谢你的打赏,我们将继续提供更多优质内容,让我们一起创建更加美好的网络世界!

支付宝扫一扫

微信扫一扫

Verified by MonsterInsights