企业官网建设流程全解析

如何让 AI Agent 安全使用你已登录的浏览器：BrowserSkill 从安装到实战的完整指南

【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI + extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkill

你大概率遇到过这个困境：想让 AI Agent 替你在内部网站填个表单，它没有你的账号；用无头浏览器又绕不开登录态。而让它直接接管你的真实浏览器，又怕它把你正在用的页面搞乱。BrowserSkill（一套由bskCLI 加浏览器扩展组成的本地桥接工具）就是为此设计的。看完这篇，你能让 AI Agent 在你已登录的浏览器里读页面、填表单、截长图，并且知道普通本机、沙箱化 Agent、远程服务器三种环境分别该怎么部署。

🧭 先用一分钟认识 BrowserSkill

一句话定位：BrowserSkill 让任何能执行 shell 命令的 Agent（Cursor、Claude Code、Codex、OpenClaw 等）通过bsk命令操作你真实、已登录的 Chrome 或 Microsoft Edge，而你的日常浏览器窗口原封不动。

核心设计思想只有一条：Agent 永远不直接碰浏览器。它发bsk命令，本地 daemon 把请求转发给扩展，扩展在一个独立的Agent Window（代理窗口）里执行。只有当任务确实要操作你已打开的某个标签页时，Agent 才显式"借用（borrow）"它，用完归还（return）。这个借出/归还模型是整套产品的安全底座。

浏览器扩展在官方商店上架，支持基于 Chromium 125+ 的 Chrome 与 Edge：

两个本地部件缺一不可：CLI 负责命令与 IPC，扩展负责浏览器内执行。

⚡ 三步完成首次浏览器任务

第 1 步：安装 bsk CLI

默认装到~/.local/bin。官方提供一行式安装脚本（install.sh/install.ps1位于仓库根目录），本文不贴外链，你获取脚本后按下面方式执行：

# macOS / Linux sh install.sh export PATH="${BSK_INSTALL_DIR:-$HOME/.local/bin}:$PATH" bsk --version

# Windows（PowerShell） .\install.ps1 bsk --version

如何确认成功：bsk --version输出版本号（当前 CLI/扩展/插件共用版本号，见 CHANGELOG.md）。

注意：export只对当前 shell 生效，已运行的 Agent 可能还持有旧 PATH。解决办法：在 Agent 的每次 shell 调用中重复 export、改用~/.local/bin/bsk绝对路径，或直接重启 Agent。

第 2 步：连接浏览器扩展

在你日常使用的浏览器里从官方商店安装 BrowserSkill（Chrome 走 Chrome Web Store，Edge 走 Edge 加载项商店，其他 Chromium 浏览器装 Chrome 版）。装好后点开扩展弹窗，开启本地连接——弹窗里保存的端口要与本机 daemon 一致（默认 52800，可用bsk daemon start --port调整）。

如何确认成功：运行健康检查，所有fail项按提示修复后重跑：

bsk doctor

扩展弹窗显示"已连接"、bsk status --json的browsers列表出现你的浏览器，即代表链路打通。

注意：bsk doctor即使没装 skill 也能通过（skill 缺失只报告N/A）。解决办法：下一步单独验证 skill 安装，别用 doctor 的结果代替。

第 3 步：装 skill 并跑通第一个任务

skill 是什么：一份教 Agent 怎么正确使用bsk的说明文件（SKILL.md加references/引用文档），装进你 harness 的技能目录。

# 交互式：空格多选目标 harness，回车确认 bsk install-skill # 非交互：显式指定目标（cursor 换成你的 harness ID） bsk install-skill --harness cursor --json # 查看支持哪些 harness 及安装路径 bsk install-skill --list

如何确认成功：在 harness 的技能列表里能看到browser-skill。已有安装默认跳过，加--force才会覆盖。

然后开一个新 Agent 会话，直接下任务：

使用 browser-skill 打开 https://example.com，总结页面内容，完成后结束浏览器会话。

支持斜杠命令的 harness 可以写成/browser-skill open example.com and summarize...。成功标志：Agent 打开代理窗口、读出页面内容返回总结、并主动结束会话。

不想依赖 Agent 也可以直接敲 CLI 验证整条链路：

# 记下返回的 session_id，下文 <id> 都替换成它 bsk session start --no-focus --json bsk navigate https://example.com --session <id> bsk observe --session <id> bsk screenshot --session <id> --out example.png bsk session stop <id>

如何确认成功：observe返回页面文本与控件列表，example.png落在当前目录，session stop后借用的标签页已归回原窗口。任务无论成败都要bsk session stop，别依赖空闲超时兜底。

🧰 能力拆解：四个高频场景怎么用

场景一：复用登录态完成网站流程

解决什么问题：内部系统、需要登录的流程，无头浏览器根本进不去。

怎么用：任务在 Agent Window 里跑，共享所选 Profile 的登录态。遇到验证码、扫码、确认这类只有人能做的步骤，Agent 会调用request-help请求你接管，完成后继续。两个开关在扩展弹窗的Automation settings（自动化设置）里，默认都开：

浏览器里保存的设置是每个会话的权威配置，对已有和新会话都生效。

何时不适用：帮助开关关闭后，disabled只表示"没人能接管"，不代表任务完成。纯手机端的扫码、人脸验证、短信验证码仍会卡住；支持图像理解的模型在任务授权允许时可以尝试图形验证码。

场景二：截取整页长图

解决什么问题：文章、报表、长列表需要一张完整图片。

怎么用：两条路。扩展弹窗的Quick actions（快捷功能）→ Full-page screenshot可以完全离线使用，不需要 daemon 和 Agent 会话，支持自动滚动拼接、你手动滚动拼接、仅可见区域三种模式。Agent 会话中的页面走 CLI：

bsk screenshot --session <id> --full-page --out page.png

支持后台标签页，无需把窗口切到前台；完成后会恢复原滚动位置。

何时不适用：沿页面文档滚动，嵌套滚动面板和虚拟列表有支持限制；浏览器内置受限页面（非 HTTP/HTTPS 可脚本化页面）不支持。细节见 docs/long-screenshot.md。

场景三：指定用哪个浏览器 Profile

解决什么问题：你开了工作账号和个人账号两个 Profile，不想 Agent 跑错地方。

怎么用：在目标 Profile 的扩展弹窗里点Copy profile instructions（复制此 Profile 的指令），把指令连同任务一起发给 Agent；或者给浏览器起一个唯一浏览器名称（不会自动读取 Chrome 的 Profile 名）：

bsk browsers bsk session start --browser "工作账号" --no-focus --json

会话一旦创建就绑定该实例，切换 Chrome Profile 不会移动已有会话。

何时不适用：连接了多个浏览器时，不带--browser的启动会被拒绝（只有一个在线时自动选中）。目标离线时先重新连接再重试，别为了绕过报错去掉--browser——那可能选中另一个账号。见 docs/browser-profiles.md。

场景四：带着证据调试网站问题

解决什么问题："接口为什么失败"这种问题，只看截图猜不出原因。

怎么用：在你有权调试的网站上，先开启网站调试采集，再复现问题，然后在扩展调试页查看或导出 JSON 交给 Agent。它把一次操作关联起来的请求、响应正文、控制台输出、页面变化、性能指标放在一起，还能配置任务内的请求修改、模拟响应与同源重放。

何时不适用：请求重放会用页面当前会话真实发一次请求，可能改变服务端数据；采集脱敏有限制，导出的证据仍可能含敏感信息。完整流程与限制见 docs/website-debugging.md。

⚙️ 幕后机制：三个组件如何协作

组件分工

一次调用的完整链路

以bsk click @e1 --tab-id 42 --session ab12为例：

1. CLI 确保 daemon 在跑，打开 Unix 套接字（$BSK_HOME/run/daemon.sock，默认 home 为~/.bsk），发一行 JSON 请求；
2. daemon 把会话 ID 解析到对应的浏览器客户端，经 WebSocket 转发tool.click；
3. 扩展的 dispatcher 校验沙箱规则后，通过BrowserDriver调 CDP 执行点击；
4. 响应原路返回，CLI 打印结果并退出。

会话与沙箱模型

• Session= 一个 4 位小写字母 ID + 专用 Agent Window + 会话级引用存储 + 借阅表；多个会话 = 多个完全隔离的 Agent Window；
• 写操作只允许发生在 Agent Window 内的标签页，除非该标签页是显式借来的；页面自己弹出的弹窗、被移进来的用户标签页不会自动获得控制权；
• bsk tab list --scope控制可见范围：user（用户窗口，默认）、agent（仅本会话 Agent Window）、all（两者）。

连接安全要点

• 本地模式的 WebSocket 只绑回环地址，远程模式走经认证的 WSS，由浏览器主动出站，你本机不用开任何入站端口；
• 网站 Cookie 始终留在浏览器 Profile 里，Agent 拿不到；
• evaluate在沙箱模式下只能作用于 Agent Window 内的标签页；
• 可选的操作审计默认关闭，开启后只记元数据（工具类型、时间、状态等），不记输入值、页面正文和截图，保存 30 天，见 docs/operation-audit.md。

daemon 的状态文件都在~/.bsk/下：daemon.lock（单实例锁）、daemon.json（套接字路径/PID/端口/版本）、daemon.log（滚动日志）、daemon.pid。

🧯 常见故障：现象、原因、处理

关于升级：先结束正在跑的浏览器任务，再执行bsk update --yes（Windows 若提示"staged update"，等替换完成再查版本）。自定义端口、沙箱宿主或远程服务器的 daemon，要在宿主里停掉服务、跑bsk update --yes --no-restart-daemon，再按原参数和BSK_HOME启动，期间 Agent 侧设BSK_AUTO_START=0。托管的 skill 只在内容未被本地修改时自动同步，本地编辑会被保留——想恢复内置 skill，用不带--source的bsk install-skill --harness <id> --force。

Agent 在服务器、浏览器在本机：扩展经鉴权 WSS 主动连服务器，本机零入站端口。服务器端起 daemon 后生成配对链接（bsk daemon pair），浏览器端在弹窗选Remote connection粘贴保存，再用bsk status --json确认浏览器出现。设备授权的管理（查看、撤销）在服务器本机 CLI 完成。完整步骤见 docs/remote-extension-connection.md。

🚪 进阶入口与二次开发

按需求查文档（均为仓库内相对路径）：

DeepSeek Harness 用户：有 npm 上一等公民插件@wxg-prc-cpg/browser-skill-dsh-plugin，提供原生browser_*工具与 Web UI 会话预览，插件自带 skill，无需bsk install-skill：

dsh plugin --profile web add @wxg-prc-cpg/browser-skill-dsh-plugin dsh --profile web

插件不自动更新，升级用dsh plugin --profile web update @wxg-prc-cpg/browser-skill-dsh-plugin --latest后重启 profile，详见 packages/dsh-plugin-browserskill/README.md。

从源码构建（需要 Rust stable、Node.js 22 与 package.json 声明的 pnpm 版本）：

pnpm install --frozen-lockfile cargo build --release --locked pnpm ext:build

CLI 产物在target/release/，扩展在apps/extension/dist/chrome-mv3/（以解压扩展方式加载），开发模式用pnpm ext:dev。skill 的规范文本在 crates/bsk-cli/skill/；可复现的浏览器能力评测见 evals/browser/README.zh-CN.md；扩展界面本地化（含简体中文、繁体中文、韩语等 10 种语言）见 packages/i18n/README.md。

最后提醒一句安全边界：Agent Window 共享所选 Profile 的登录态，它不是独立账号，也不是安全沙盒——请选择你信任的 Agent 和任务，页面内容对 Agent 而言永远是数据而不是指令。

BrowserSkill 以 MIT 许可证 开源。

【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI + extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkill