
大家好，我是狂师。

事情是这样的，最近群里在聊一个老话题，Agent 什么都行，一到「去网站上帮我看看」就歇菜。

页面是动态渲染的，curl 拿到一坨壳。数据要登录才能看，无头浏览器里 session 又不延续。好不容易进去了，Cloudflare 一个挑战页甩脸上。

 Static page还好，现在稍微像样点的网站，反爬、验证码、登录态，三道墙至少撞上一道。

Agent 缺的其实就一样东西，一个能感知真实在跑的浏览器。

BrowserAct 补的就是这块，今天这篇聊一聊，它是什么、能干什么、怎么装、怎么用。

## BrowserAct 是什么

一句话概括，**它是一款给 AI Agent 用的浏览器自动化 CLI，带全套反封锁能力**。

开源仓库在 GitHub，`browser-act/skills`，MIT 协议、Python 写的。

今年 2 月才开源，半年时间 Star 冲到 5.6K，目前还在持续更新。它有两种用法，**云端和本地**，官网上那张对比图说得很清楚。

![](https://developer.qcloudimg.com/http-save/yehe-6490225/11490a4ce5cdcaa44a5e1989fc716095.png)

**云端模式**，去官网输入框里写一句你要什么数据，比如「抓 京东官网 无线耳机销量前 20，要价格、评分、库存和链接」，它自己建爬虫、自己验证、自己跑，产出结构化表格，还能定时重复执行。

**本地模式**，装两个 Agent Skill 进你的 Claude Code、Cursor 或者 Codex，Agent 就能直接指挥一个真浏览器干活，读你登录后的页面、填表单、点按钮、截图、抓请求。

两个 Skill 分工明确。

`browser-act` 是执行层，负责当下这个网页任务跑通。

`browser-act-skill-forge` 是沉淀层，把这次摸索的过程记下来，生成可复用的 SKILL.md 和脚本，下次同类任务直接调，不用从头探路。

![](https://developer.qcloudimg.com/http-save/yehe-6490225/0294f5c631f0cd042087bc71778e3cf5.png)

## 能干什么，厉害在哪

翻完仓库 README，它的能力可以归成四块。

**第一，三层反封锁。**

环境层用隐身指纹、TLS 轮换、代理切换，让大多数拦截根本不触发。

执行层有 `solve-captcha` 自动过验证码，`stealth-extract` 一条命令拉取受保护页面。实在过不去还有人这一层，`remote-assist` 生成一个链接，你手机上点开接管，点完 Agent 接着跑。

**第二，三种浏览器模式。**

`chrome` 模式直接复用本地 Chrome 的登录态，cookies、扩展全带上。`stealth privacy` 模式每次全新指纹零残留，适合批量抓取。`stealth fixed identity` 模式指纹和 IP 都固定，适合登录账号长期多开，不被判定成机器人。

![](https://developer.qcloudimg.com/http-save/yehe-6490225/95b5a4c11d714a070e75c07ddef8b83a.png)

**第三，为 Agent 而设计，不是为人写的脚本。**

页面输出是索引化文本，比塞整页 HTML 省好几倍 token。交互靠索引，`state` 列出可点元素，`click 3` 点第三个，`input 2 "ai"` 往第二个框打字，不用解析 DOM。

**第四，安全确认门控。**

建浏览器、删浏览器、导入本地登录态、改代理，这些敏感动作一律先停下来等你确认，而且上次的授权不会顺延到下次。Agent 可以帮你操作网页，但动不动的决定权在人。

## 怎么安装

在 Claude Code、Cursor、OpenClaw 这类 Agent 环境里，最省事的方式是直接让 Agent 装。

跟它说，请帮我安装 BrowserAct Skill: [https://github.com/browser-act/skills/tree/main/browser-act](https://github.com/browser-act/skills/tree/main/browser-act)， 并检查运行环境，安装完成后执行 `browser-act get-skills core --skill-version 2.0.2`。

Agent 实际跑的命令是这三条。

```bash
npx skills add browser-act/skills --skill browser-act
npx skills add browser-act/skills --skill browser-act-skill-forge
browser-act get-skills core --skill-version 2.0.2
```

装完可以先来个零配置冒烟，一条命令抓取受保护页面。

```bash
browser-act stealth-extract https://x.com
```

完整自动化是这么一套动作，open 打开页面，state 看元素，click 按索引点，input 按索引填。

```bash
browser-act --session my-task browser open <id> https://x.com
browser-act --session my-task state
browser-act --session my-task click 3
browser-act --session my-task input 2 "ai"
```

`get-skills` 这步别省，Agent 每次会话开头跑一次，环境状态、浏览器列表、可用命令一次拿全，后面才知道哪些动作能直接做、哪些要停下来问你。

## 实战一，让 Agent 读你登录后的 GitHub Issue

这是我觉得最实用的一个场景，拿开源仓库的日常维护走一遍。

维护开源仓库的人都知道，Issue 列表扫一眼看不出什么，哪个有 PR 在等 Review，哪个其实修完了可以关，哪几个是同一个配置问题可以合并处理，这些都得点进详情页看讨论。

以前只能自己一个个点。现在把提示词丢给装好 BrowserAct 的 Claude Code。

```
使用 browser-act 进入我已登录的 GitHub 仓库，读取最近 10 个 open issue，
按 bug / feature / question 分类，输出标题、关键上下文、
可能涉及的模块、建议优先级、是否需要我进一步确认
```

它会先列出你本地的 Chrome Profile，说明接下来的动作，创建一个 chrome 类型浏览器，导入你的 GitHub 登录态。**你确认之后**它才继续，导入 cookies 和 localStorage，打开仓库的 Issues 页，逐个进详情页读上下文，最后给你一份分类报告，几条 Feature、几条 Bug、几条 Question，各自建议的优先级。

关键就在那个「你确认之后」。它进的是你登录态能看到的页面，但导入登录态这个动作本身，必须你点头。

读取整理归类交给 Agent，关 Issue 合 PR 这类状态变更留给人，边界清楚。

## 实战二，云端一句话建一个可复用爬虫

第二个例子换到云端上执行，适合不想装任何东西的人。

打开官网，在输入框里写一句话，拿官网当前的演示来说:  `抓 京东 无线耳机销量前 20，字段要价格、评分、库存和来源链接`。

![](https://developer.qcloudimg.com/http-save/yehe-6490225/9a628f69ceadebd89280978a667fe7c3.png)

它会在云端的真浏览器里自己探索页面、自己建爬虫、自己验证，首次构建的演示耗时 2 分 44 秒、消耗 3 个 credit，产出结构化表格。爬虫建好之后就是复用资产，之后每次重跑，20 条数据 18 秒收完。

![](https://developer.qcloudimg.com/http-save/yehe-6490225/185d32a4dac26888707a4c76ca958f9c.png)

有意思的是页面的自愈设计。网站改版了，爬虫路径失效，它会自己找新路径、验证通过后继续跑，不用你重新配选择器。做过爬虫的人都知道，选择器维护是最大的暗坑，这个设计等于把暗坑填了。

跑通的 Bot 还能挂定时任务，每天定时抓一遍，结果走 CSV、JSON、Zapier、n8n 都行。官网有个模板市场，YouTube 评论、Amazon 榜单、Reddit 帖子、Google Maps 商户，现成模板直接用。

## 我的一点看法

说点我自己的看法。

第一，它踩的位置很准。Agent 的短板从来不是写代码，是「跟真实世界打交道」。真实世界的网页有登录、有验证码、有反爬，这一层补上了，Agent 的活动范围直接扩大一圈。

第二，登录态复用是杀手锏。之前让 Agent 查我的 Issue、读我的订单，想都不敢想，现在它是「我」在操作，权限边界又卡在人确认这一步，这个设计比功能本身更值得夸。

第三，提醒一句，能力越大越要看清边界。能过验证码、能带登录态的自动化，用在哪条线上，合规责任在使用者自己，别拿去干网站明令禁止的事。

工具是好工具，回来我打算拿它把知识星球每日巡场那套流程再自动化一层，跑通了再来汇报。

官网 [browseract.com](https://www.browseract.com/)

项目地址 [github.com/browser-act/skills](https://github.com/browser-act/skills)


事情是这样的，最近群里在聊一个老话题，Agent 什么都行，一到「去网站上帮我看看」就歇菜。

BrowserAct，给AI Agent配一个真实浏览器，从安装到实战

开发工具

人工智能

职业发展

BrowserAct是一款专为AI Agent设计的浏览器自动化CLI，具备三层反封锁能力（隐身指纹、自动过验证码、人工接管），支持复用本地Chrome登录态，让Agent能读取登录后页面、填表、点按、抓取数据。云端模式一句话生成可复用爬虫，本地模式两个Skill无缝集成ClaudeCode/Cursor。GitHub 5.6K Star，MIT协议，持续更新中。

代码解释

验证码

OpenClaw

Python

GitHub

Agent

JSON

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

BrowserAct是一款专为AI Agent设计的浏览器自动化CLI，具备三层反封锁能力（隐身指纹、自动过验证码、人工接管），支持复用本地Chrome登录态，让Agent能读取登录后页面、填表、点按、抓取数据。云端模式一句话生成可复用爬虫，本地模式两个Skill无缝集成ClaudeCode/Cursor。GitHub...

BrowserAct，给AI Agent配一个真实浏览器，从安装到实战-腾讯云开发者社区-腾讯云

BrowserAct，给AI Agent配一个真实浏览器，从安装到实战

BrowserAct，给AI Agent配一个真实浏览器，从安装到实战

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐