BrowserSkill Skill：让 AI 复用你的浏览器登录态，不打断工作

Skill超级捕获手 技术创作者 2026-09-27 1975 阅读

腾讯开源的 BrowserSkill 解决了一个长期痛点：大多数 Agent 浏览器工具给你一个空白、无 Cookie 的浏览器实例，需要从头登录；BrowserSkill 反其道而行——让 Agent 直接借用自己的 Chrome/Edge 已登录状态，在独立 Agent Window 中完成任务，借用 Tab 时需显式申请并归还。它通过本地 bsk CLI + daemon + 浏览器扩展构成完整链路，支持 Cursor、Claude Code、Codex、OpenClaw 等主流 Agent 环境，真正实现了「不打断你工作」的浏览器自动化。截至 2026-09-27，BrowserSkill 已在 GitHub 收获约 7,000 颗星、503 个 Fork，9 月中旬多次登上 GitHub Trending，是近期 Agent 基础设施领域最受关注的新项目之一。

核心能力与设计原则

BrowserSkill 的本质是一套本地代理架构：Agent → bsk CLI → 本地 Daemon → BrowserSkill 浏览器扩展 → 浏览器页面。它将所有浏览器控制协议收敛到 bsk CLI 一个入口，不同 Agent 只需调用同一个 CLI，无需各自实现一套浏览器控制协议。

设计原则有三条：复用登录态——Agent 继承用户已有的会话，无需准备测试账号；操作边界清晰——Agent 在独立窗口工作，借用已有标签页需显式申请并在任务结束后归还；人工兜底——遇到验证码、扫码登录等人工步骤时，Agent 可以暂停并请求协助，处理完再恢复。

认可度

BrowserSkill 由腾讯于 2026 年 6 月 22 日开源，截至 2026-09-27，GitHub 数据显示约 7,000 颗星、503 个 Fork。项目在 9 月中旬多次登上 GitHub Trending，日增星数最高达 +1,319（2026-09-18 数据），同期被今日头条、腾讯新闻、MindPattern 等多家中文科技媒体报道，GitHub Trending 周榜稳定在 AI Agent 相关词条前列。9 月下旬持续活跃，最新版本为 bsk CLI 0.3.1（2026-09-23 发布）。

链接

GitHub：https://github.com/Tencent/BrowserSkill

原作者

腾讯微信基础产品中心（WXG-PRC-CPG）官方维护，MIT 许可证。项目在 GitHub 上由 Tencent 组织发布，同时在 npm 发布 @wxg-prc-cpg/browser-skill-dsh-plugin DeepSeek Harness 插件包。

介绍

BrowserSkill 定位为「Agent 浏览器桥梁」，让 AI Agent 能直接操控用户已登录的真实浏览器，而不是启动一个隔离的 headless 实例。

架构上，它由三个组件构成：bsk CLI（跨平台：macOS/Linux/Windows）、本地后台 Daemon（通过 127.0.0.1 WebSocket 与扩展通信）、Chrome/Edge 浏览器扩展（执行真实页面操作）。整个链路不依赖远程服务，所有流量在本地流转。

多 Agent 适配是它的一个亮点。README 明确列出支持 Cursor、Claude Code、Codex、OpenClaw、CodeBuddy、WorkBuddy、Pi、Hermes Agent 和 DeepSeek Harness。任何能调用 Shell 的 Agent 都能通过 bsk CLI 接入，不需要针对每个 Agent 单独适配。

DeepSeek Harness 专属插件则更进一步：通过 dsh plugin --profile web add @wxg-prc-cpg/browser-skill-dsh-plugin 安装后，Web UI 中直接出现 browser_* 系列工具和截图结果，不需要手动 bsk install-skill，开箱即用。

特点

  • 登录态零迁移：直接复用 Chrome/Edge 已登录的 Cookie 和会话，无需为自动化单独注册和管理测试账号
  • 独立 Agent Window：任务在单独可见窗口执行，用户正常浏览不受影响，消除了「Agent 控制浏览器会打断工作」的顾虑
  • Tab 借用归还机制：需要操作用户已有标签页时必须显式借用（需用户确认），任务结束自动归还，操作边界清晰
  • 人类兜底设计：遇到验证码、登录墙、确认对话框等人工步骤时，Agent 可以请求人工协助，处理完再从断点恢复，保证长流程自动化不掉链
  • 全页面截图：支持自动滚动采集和手动滚动模式的长截图，既可在扩展 UI 操作，也可由 Agent 调用 bsk screenshot --session --full-page 生成

使用方法

第一步：安装 bsk CLI（macOS/Linux）

curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh
export PATH="${BSK_INSTALL_DIR:-$HOME/.local/bin}:$PATH"
bsk --version

Windows 用户使用 PowerShell：

irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex

第二步：安装浏览器扩展

从 Chrome Web Store 或 Edge Add-ons 安装 BrowserSkill 扩展，打开扩展 popup 启用本地连接并确认状态。

第三步：为 Agent 安装 Skill

bsk install-skill
# 空格选择目标 Agent 环境，回车确认
# 或非交互式指定：
bsk install-skill --harness cursor --json

第四步：连接检查

bsk doctor

确认扩展显示 Connected 后，启动新的 Agent 会话即可。

最小示例（直接调用 CLI，无需 Agent）

# 启动一个 session，获取 session_id
bsk session start --no-focus --json
# 返回: {"session_id": "xxx"}

# 让 Agent 打开页面（通过 Agent 调用或手动用 CLI）：
bsk navigate https://example.com --session <id>
bsk screenshot --session <id> --out example.png
bsk session stop <id>

使用场景与人群

适用场景：需要在已登录状态下操作的网页任务（内部后台、SaaS 管理面板、个人账户页）；跨账户对比研究（同一个浏览器中不同账号的页面差异）；QA 测试时复现用户视角的 Bug；需要处理验证码或二次验证的长流程自动化；需要获取完整页面截图的文档生成任务。

目标用户：日常依赖浏览器工作的开发者（用 Cursor/Claude Code 等编码）；需要 AI 辅助处理重复性网页操作的运营/测试人员；对 Agent 自动化有需求但不想放弃现有浏览器登录态的技术团队。

输入与输出案例

案例一：研究任务

Input：让 Agent 读一篇需要登录才能访问的付费技术报告

Agent 内部处理：「使用 browser-skill 打开 https://example.com/premium-report，页面已通过已有登录态加载，提取文章内容并总结要点」

Output：Agent 返回一篇结构化摘要，包含报告核心观点、数据和结论，全程无需用户介入登录操作。

案例二：跨账号对比

Input：对比同一个 SaaS 产品免费版和付费版的功能差异

Agent 内部处理：先用已登录的免费账号截图，再通过「借用 Tab」机制临时切换到付费账号（需用户授权一次），对比两个页面，输出差异报告。

Output：一份包含免费版与付费版功能对照表的结构化文档，标注了差异点。

GitHub: https://github.com/Tencent/BrowserSkill

评论区

0 条评论

登录后可评论。

Skill超级捕获手 1975 阅读