BrowserAct Skills：让 AI Agent 穿透反爬墙、像人一样操作浏览器

BrowserAct Skills：让 AI Agent 穿透反爬墙、像人一样操作浏览器

BrowserAct Skills 是专门为 AI 编程助手打造的浏览器自动化 CLI 工具包，核心解决”AI 能想清楚但进不去真实网页”的痛点——登录态维持、反爬指纹绕过、验证码处理、并行多浏览器隔离，一套工具全搞定。GitHub 获星 4,845（截至 2026-07-27），近一周仍有活跃更新，是当前 AI Agent 浏览器操作领域最热门的选择之一。

功能与原则

BrowserAct 不重复造浏览器，而是给 AI Agent 提供了一个稳定可靠的”浏览器执行层”。它的设计原则很清晰：在对抗性环境下也能稳定运行，能无缝切换人工介入，能支持并行任务互不干扰。 围绕这三个目标，衍生出两套核心 Skill：

• browser-act：临时性浏览器任务执行层，适合打开页面、点击、输入、截图、提取登录后数据、捕获 XHR/fetch 请求等单次操作。
• browser-act-skill-forge：从一次网站探索生成可复用 Skill 包（SKILL.md + 脚本），后续批量执行时无需重新探索，直接复用已验证路径。

认可度

• GitHub Star：4,845（截至 2026-07-27），Forks 231
• 最新推送：2026-07-21，仍在活跃维护
• 许可协议：MIT
• 主语言：Python
• CSDN/技术社区：多篇实测文章密集出现，被标注为 2026 年上半年”神级 Agent Skill”之一

链接

GitHub：https://github.com/browser-act/skills

官网：https://www.browseract.com

原作者

BrowserAct（组织），专注 AI 浏览器自动化工具链开发，GitHub 账号 browser-act，旗下共有 4 个仓库，包括 API examples（多语言）、n8n 集成工作流等生态项目。

介绍

BrowserAct Skills 解决的是 AI Agent 在真实互联网环境中执行任务的核心障碍。大多数 AI 编程助手（Claude Code、Cursor、Codex 等）在遇到需要 JavaScript 渲染的页面、需要登录的账号系统、或反爬虫验证机制时，往往直接卡住并返回”任务失败”。传统方案依赖无头浏览器封装，但无头模式容易被 Cloudflare、DataDome、reCAPTCHA 等识别并拦截。

BrowserAct 从设计之初就瞄准”对抗性环境”：环境层提供隐式指纹伪造、TLS 轮换、代理切换；执行层支持 solve-captcha 自动解题和 stealth-extract 零配置提取受保护页面内容；人工层提供 remote-assist 实时链接，人类在任意设备接管操作后 Agent 可无缝接续。

第二套 Skill browser-act-skill-forge 则面向批量数据提取场景：用一次探索了解网站结构、发现 API 端点或 DOM 路径，生成可部署的 SKILL.md + 脚本包，后续几百到几千条记录的提取任务不再需要重新探索，直接调用已验证路径执行——省token、更稳定。

特点

• 三重反检测机制：环境层指纹伪造 + TLS 轮换 + 代理轮转，覆盖大多数反爬墙场景，无需人工配置
• solve-captcha：自动识别并解决 CAPTCHA 挑战，授权后仅上传验证码图片，不上传 Cookie 或页面内容
• remote-assist 人工接管：Agent 遇到无法处理的步骤时生成实时链接，人类在任意设备完成操作后 Agent 自动接续
• 零干扰并发：多浏览器实例之间完全隔离（独立 Cookie、指纹、代理），任务互不污染，支持同一浏览器内的多会话并行
• 本地数据隐私：所有 Cookie、登录态、页面内容均存储在本地，不上传云端，唯一的出站数据是 solve-captcha 调用时发送的验证码图片
• Confirmation Gate 安全控制：浏览器创建/删除、敏感操作（登录、表单提交、文件上传）需用户显式确认，防止误操作
• 多 Agent 通用：支持 Claude Code、Cursor、Codex、VS Code、OpenCode、OpenClaw、Gemini CLI 等所有能执行 Shell 命令和加载 Skills 的 Agent

使用方法

安装

uv tool install browser-act-cli --python 3.12

或让 AI Agent 直接读取 Skill 安装：

“帮我安装 BrowserAct：https://github.com/browser-act/skills/tree/main/browser-act”

基础调用流程

1. 在 Agent 中加载 Skill 后，立即获取实际工作流内容：

browser-act get-skills core --skill-version 2.0.2

2. 打开浏览器并查看可交互元素：

browser-act --session my-task browser open chrome https://example.com
browser-act --session my-task state

3. 按索引点击和输入：

browser-act --session my-task click 3          # 点击第3个元素
browser-act --session my-task input 2 "hello"  # 向第2个输入框填内容

4. 轻量级提取（无需开启浏览器会话）：

browser-act stealth-extract https://example.com

5. 批量建站数据提取：安装 skill-forge 后，执行一次探索生成 Skill 包，后续大规模执行直接调用：

# 安装 skill-forge
# 触发条件：用户说"帮我抓N条记录"、"探索X网站背后的API"等

Skill Forge 典型场景

Skill Forge 特别适合：监控竞品价格并生成报告、批量采集职位信息、追踪新闻动态、提取电商平台商品数据。首次探索建包，后续执行跳过探索步骤，直接按已验证路径规模化运行。

使用场景与人群

• 需要 AI Agent 操作真实网页的开发者：让 Claude Code/Cursor 等真正进入需要登录、JavaScript 渲染或验证码拦截的页面完成任务
• 数据采集团队：批量提取网站数据（商品列表、职位信息、新闻文章），无需每次手动调试反爬机制
• 自动化测试：模拟真实用户浏览器行为进行页面交互测试
• 竞品监控/舆情分析：定期抓取需要登录或受保护页面的数据
• 个人效率用户：自动化填表、页面截图、跨平台数据整合等重复性浏览器操作

输入与输出案例

案例一：批量采集技术博客文章

输入：让 Agent 采集某技术博客最近 30 篇文章的标题、链接和发布时间

Agent 行为（加载 browser-act-skill-forge）：
1. Phase 0：检测 browser-act 工具是否可用
2. Phase 1：确认需求（博客 URL、数据字段、输出格式）
3. Phase 2：探索博客的列表页结构，识别是否为 API 加载或 DOM 渲染
4. Phase 3：生成 SKILL.md + 提取脚本，验证数据完整性
5. 执行规模化提取，输出 CSV/JSON

输出：结构化的文章数据文件，包含标题、链接、发布时间，可直接导入 Notion/Airtable

案例二：登录后监控 GitHub Issue

输入：让 Agent 定期检查某个 GitHub 仓库的 Issue 列表，发现新 Issue 时发送通知

Agent 行为：
1. 加载 browser-act，启动带有登录态的 Chrome Session
2. 绕过 Cloudflare 验证（如触发）
3. 读取 Issue 列表页，提取标题、状态、创建时间
4. 与上次记录对比，发现新增 Issue 则输出报告

输出：新 Issue 列表 + 对应链接，可接入飞书/Slack/邮件通知工作流

---

GitHub: https://github.com/browser-act/skills