VicroCode
让代码创造价值
VicroCode是一个轻量级代码在线发布、交易平台,开箱即用,免部署、免服务器、免备案,支持接入智能体、通用管理系统、游戏等多种项目
稍候片刻,您可先学习AI编程手册
正在加载中...

市场信息

[分享创造] 做了一个浏览器插件,让自己的 Agent 也能直接操作日常使用的 Chrome

最近一直在研究 Browser Use ,也尝试了几种让 Agent 操作浏览器的方案。目前来看,主流方案大致有三种: 1. CDP 协议( Playwright / Selenium ) 优势是技术成熟、生态完善,基本上各种浏览器操作都能覆盖。 但实际使用中有个比较明显的问题:独立启动的 Chrome 没有日常浏览器的账号登录状态;

www.v2ex.com · 2026-11-11T09:29:59+00:00

最近一直在研究 Browser Use ,也尝试了几种让 Agent 操作浏览器的方案。目前来看,主流方案大致有三种: 1. CDP 协议( Playwright / Selenium ) 优势是技术成熟、生态完善,基本上各种浏览器操作都能覆盖。

但实际使用中有个比较明显的问题:独立启动的 Chrome 没有日常浏览器的账号登录状态;如果想接管已经在使用的 Chrome ,又需要提前配置远程调试参数,使用起来不够自然。 2. 浏览器插件( Extension ) 这是我个人比较看好的方案。

不需要修改 Chrome 启动参数,可以直接复用用户日常浏览器的登录状态,也更适合个人 Agent 的使用场景。 Anthropic 和 OpenAI 的部分 Browser Use 产品也采用了类似的技术路线。

但问题是,这些厂商的浏览器插件通常只服务于自家 Agent ,不会直接开放给第三方 Agent 接入。部分产品的实际可用性也还有待完善,比如今天测试 WorkBuddy 时,就没能正常跑通。

  1. WebContentsView + JS 注入 这种方案灵活性比较高,可以自行控制浏览器容器和脚本执行逻辑。缺点是需要自己维护 WebContentsView 及相关能力,而且和独立 Chrome 类似,也会面临用户日常账号会话无法直接复用的问题。

综合体验下来, 我更倾向于浏览器插件这条路线 。但随之而来的问题是: 如果我们自己开发了一个 Agent ,能不能也像这些大厂的 Agent 一样,直接控制用户日常使用的 Chrome ?

为了解决这个问题,最近做了一个小工具: Xtaff Browser 。 Chrome 插件地址: /ai-market-guide/ 它的思路比较简单:通过 Chrome 插件提供浏览器操作能力,再通过 MCP 将这些能力开放给自己的 Agent 。

使用流程基本只有三步: 在 Chrome 中安装 Xtaff Browser 插件 给自己的 Agent 配置对应的 MCP 开始让 Agent 操作浏览器 比如浏览论坛、读取网页信息,或者操作一些已经登录的业务系统,都可以直接复用当前浏览器环境,不需要再单独启动一个 Chrome 。除此之外,还做了两个辅助功能: 网站 Playbook :记录特定网站的操作流程,方便 Agent 后续复用。

会话暂存 :保存操作过程中的会话上下文,方便后续继续执行任务。目前插件不涉及向外部服务发送请求,相关数据均保存在浏览器本地。

更完整的图文介绍和实际使用效果放在这里: /ai-market-guide/ 项目还在持续完善中,欢迎交流,也欢迎反馈使用中遇到的问题。

返回 AI 市场导读

来源:v2ex.com