chrome-cdp-skill：让 AI 直接操控你正在使用的 Chrome 会话

Skill超级捕获手 技术创作者 2026-08-11 9 阅读

让 AI 直接操控你正在用的 Chrome：chrome-cdp-skill 是如何做到的

功能与原则

chrome-cdp-skill 是一个轻量级 Chrome DevTools Protocol (CDP) 工具，让 AI Agent 能够直接访问并操控用户本机正在运行的 Chrome 浏览器会话——无需重新登录、无需启动独立浏览器实例、无需复杂的配置流程。一条命令启用，AI 立即”看见”用户已打开的标签页、Gmail 账户、GitHub 状态、内部工具页面，并在用户授权后执行点击、填表、导航等操作。

核心设计原则：用户始终处于控制地位。所有操作必须经过 Chrome 原生的”允许调试”弹窗确认，Daemon 20 分钟无操作自动退出，不会产生静默后台控制。

认可度

  • GitHub Star：约 3,200（截至 2026-08-11）
  • Fork：201
  • 作为 Aradotso/trending-skills 收录的第一个 Skill，被列入 Claude Code / Codex / Cursor 等主流 Agent 的可安装技能清单
  • 在 CSDN、SourceForge 等中文技术社区有持续的教学和实践文章产出

链接

GitHub：https://github.com/pasky/chrome-cdp-skill

原作者

pasky（GitHub @pasky）——专注浏览器协议层工具开发，同名作者也是 chrome-devtools-mcp 项目维护者。

介绍

大多数浏览器自动化工具（包括 Puppeteer、Playwright）会启动一个全新的、隔离的浏览器实例。这意味着 AI 无法看到用户已登录的会话、正在工作的标签页、页面的真实中间状态——它只能操作一个”干净”的浏览器环境。

chrome-cdp-skill 换了一条思路。它不启动新浏览器，而是直接通过 Chrome 的远程调试 WebSocket 连接到用户已有的 Chrome 实例。用户只需打开 chrome://inspect/#remote-debugging 并开启开关，AI 就能看到并操控所有已打开的标签页。

连接建立后，一个轻量级后台 Daemon 保持会话活跃，首次访问每个标签页时会弹出一次”允许调试”授权，之后的多次命令复用该授权而不再打扰用户。这种架构同时解决了两个问题：一是无需重新登录（你的 Gmail、Slack、内部工具都已在登录状态）；二是能处理 100+ 标签页（而基于 Puppeteer 的工具在标签页过多时经常超时）。

工具本身是纯 Node.js 脚本（scripts/cdp.mjs），无需 npm install，运行时仅依赖 Node.js 22+ 内置的 WebSocket 模块。CLI 支持 macOS、Linux、Windows，自动检测 Chrome、Chromium、Brave、Edge、Vivaldi 的安装路径。

特点

  • 零配置接入：不需要安装任何额外浏览器，不需要配置浏览器参数，只需开启 Chrome 远程调试开关
  • 复用已有登录态：Gmail、GitHub、内部系统——所有已在浏览器中登录的会话，AI 都能直接访问
  • 多标签页可靠处理：支持 100+ 同时打开的标签页，不会在枚举阶段超时（这正是 Puppeteer 系工具的痛点）
  • 用户授权优先：每个新标签页首次访问都需要用户在 Chrome 弹窗中点击”允许”，Daemon 20 分钟空闲自动退出
  • 跨平台兼容：macOS、Linux、Windows 全支持，自动识别干 Chrome 系浏览器（Chrome、Chromium、Brave、Edge、Vivaldi）

使用方法

安装（通过 Claude Code）：

/plugin marketplace add pasky/chrome-cdp-skill
/plugin install chrome-cdp

或者通过 pi / npx：

pi install git:github.com/pasky/chrome-cdp-skill@v1.0.1

启用 Chrome 远程调试：

  1. 在 Chrome 地址栏输入 chrome://inspect/#remote-debugging
  2. 开启 “Discover USB devices” 开关

基本命令：

# 列出所有打开的标签页
scripts/cdp.mjs list

# 截图
scripts/cdp.mjs shot <target>

# 获取页面结构（无障碍树）
scripts/cddp.mjs snap <target>

# 获取完整 HTML
scripts/cdp.mjs html <target>

# 执行 JavaScript
scripts/cdp.mjs eval <target> "document.title"

# 点击元素
scripts/cdp.mjs click <target> ".button-selector"

# 输入文字（支持跨域 iframe）
scripts/cdp.mjs type <target> "Hello World"

# 导航到 URL
scripts/cdp.mjs nav <target> https://example.com

# 滚动加载（点击"加载更多"直到内容全部展开）
scripts/cdp.mjs loadall <target> ".load-more-button"

<target> 是 list 命令返回的 targetId 前缀，支持唯一前缀匹配。

使用场景与人群

适用场景：
– AI Agent 需要操作用户已登录的 Web 应用（Gmail、Google Sheets、内部 CRM）
– 在用户当前工作的标签页中执行任务，而非打开新标签页重新开始
– 对接需要登录态的网页数据抓取
– 跨站点自动化操作（填表、点击、导航）

目标用户：
– 深度使用 Claude Code / Codex / Cursor 等 AI 编程工具的开发者
– 需要 AI 操控已登录 Web 会话的技术用户
– 研究浏览器协议、CDP 开发的工程师

输入与输出案例

案例 1：读取用户已登录的 Gmail 邮件列表

# 目标：在 AI Agent 的自然语言指令下，读取用户 Chrome 中已打开的 Gmail 页面内容
# 前提：用户已在 Chrome 登录 Gmail，且打开了收件箱标签页

# 1. 列出当前打开的标签页，找到 Gmail tab
scripts/cdp.mjs list
# → 输出: 6BE827FA Gmail - 收件箱 (57) - username@gmail.com - Google Mail

# 2. 获取页面无障碍结构（确定收件箱列表的 CSS 选择器）
scripts/cdp.mjs snap 6BE827FA
# → 输出紧凑的语义化页面结构，包含邮件标题、发件人、时间等

# 3. 若需完整 HTML
scripts/cdp.mjs html 6BE827FA "table[role='grid']"
# → 返回收件箱表格的完整 HTML，供 AI 进一步解析

案例 2：在 AI 辅助下完成跨站填表任务

# 目标：AI Agent 根据用户指示，在已打开的 CRM 系统中填入一条新客户记录
# 前提：用户 Chrome 已登录 CRM 系统并打开了"新建客户"表单页面

# 1. 获取表单结构
scripts/cdp.mjs html 6BE827FA "form"

# 2. AI 分析表单字段后，执行填表操作
scripts/cdp.mjs type 6BE827FA "Acme Corp"
scripts/cdp.mjs click 6BE827FA "#industry-select"
scripts/cdp.mjs click 6BE827FA "option[value='technology']"
scripts/cdp.mjs click 6BE827FA "button[type='submit']"

# 3. 截图确认提交结果
scripts/cdp.mjs shot 6BE827FA "confirmation.png"

chrome-cdp-skill 的核心价值在于消除浏览器自动化的登录壁垒——不需要 API Key，不需要 OAuth 流程，不需要 Selenium Grid，用户授权浏览器本身即可。这种”操作系统级”的接入方式，让 AI Agent 能够真正成为用户工作流程的无缝延伸，而非一个需要从零开始的独立机器人。

GitHub: https://github.com/pasky/chrome-cdp-skill

评论区

0 条评论

登录后可评论。

Skill超级捕获手 9 阅读