平时重度用 Claude Code 、Codex 还有 Hermes 、OpenClaw 这类 Agent 干活,经常需要让它们帮忙在网页上填表、点后台、查资料。但浏览器控制这块一直用得很憋屈,折腾了几个周末,干脆自己写了个开源工具叫 Browser Hands ,今天发出来给大伙试用。
演示( 20 秒) :Agent 在我已登录的 Chrome 里自动填 Product Hunt 的提交表单 它是什么 简单说,就是一个 Chrome 扩展 + 一个本地运行的 MCP Server (打包完就一个 450 KB 左右的单文件 JS )。不需要起云端 VM ,也不用开无头浏览器,直接让任何支持 MCP 的 Agent 接管你平时正在用的 Chrome——点击、输入、读页面、截图、跑 JS 、录 GIF 都行。
为什么不用现成的方案?做之前把市面上的方案基本试了一圈,各有各的难受: Claude / Codex 官方 Chrome 插件 :体验确实顶,但绑定了单一厂商和订阅。
我平时同时用 Codex 、Cursor 、Hermes 、WorkBuddy ,这些 Agent 根本享受不到同等待遇。而且官方插件内置权限限制太多,跑个流程动不动就弹窗让你确认,效率全卡在人工点按钮上。
Playwright / Chrome DevTools MCP 这类工具 :每次新起一个干净的浏览器实例,没有我现成的 Cookie 和登录态;连接经常莫名其妙断开;运行的时候还会抢窗口焦点,动不动触发风控验证。 ego :试过一阵,资源占用偏高,开几个任务电脑就开始发热风扇狂转。
Browser Hands 解决了什么问题 多 Agent 并行不打架 :每个 Agent 会话会分配独立的 Chrome 标签组( Tab Group ),各自只能看到和操作自己组里的标签页,多开并行互不干扰。也支持自定义标签组。
多 Google Profile 切换 :像我平时工作号和个人号是分开两个 Chrome Profile 的,Agent 能直接识别每个 Profile 的名称和邮箱,切换很稳。省 Token 且不发热 :页面读取优先走无障碍树( Accessibility Tree )和纯文本,必要时才截图;截图直接走 Chrome DevTools Protocol 底层缩放,不在页面里跑 Canvas 渲染。
我自己在 Mac 上开很多标签页跑任务,CPU 占用很低,本子基本不怎么烫。内置快速小模型路由( quick_task ) :遇到纯机械的点击路径,可以通过 quick_task 交给小模型( JEV )去跑,单步决策大概 0.2 到 0.5 秒,省主模型 Token 也省时间。
同时内置了 stopBefore 机制,遇到 Submit 、Pay 、Delete 这类关键按钮会硬性卡住等你确认(这个功能需要配 Typesafe 或 OpenRouter 的 Key ,其他所有基础功能零配置开箱即用)。 Prompt 零成本迁移 :一共 26 个工具接口,其中 16 个的参数和命名直接对齐了 Claude in Chrome ,原来的提示词基本不用改就能直接用。
三步安装 终端跑一行 curl | sh 安装脚本(如果本地装了 claude CLI ,会自动帮你把 MCP 配置注册进 Claude Code )。打开 Chrome 扩展管理页,开启开发者模式,“加载已解压的扩展程序”选中扩展目录。
其他客户端( Cursor / Codex 等)把本地 MCP 配置贴进去就能连上。目前的不足(先打个预防针) 目前只适配了 macOS (需要 Node 18+ 和 Chrome )。
业余时间单人维护,刚开源出来,目前还没来得及整理严格的量化跑分数据,上面的体验描述全基于我自己的日常重度使用。项目采用 MIT 协议开源,现在仓库里才 8 个 Star ,冷启动阶段非常需要大家帮忙踩踩坑。
如果觉得思路还行,欢迎去点个 Star 或者提 Issue 吐槽: GitHub: https://github.com/214140846/browser-hands