企业官网建设流程全解析

BrowserSkill 快速上手指南：让 AI Agent 直接操作你已登录的浏览器

【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

当你想让 AI Agent 在已登录的网页后台里完成真实工作，又不想专门准备一套测试账号时，BrowserSkill 就是为这个场景做的桥接层：它让任何能执行 Shell 命令的 Agent 直接驱动你现有的 Chrome 或 Edge，整体由本地bsk命令行工具（内含常驻 daemon）加一个浏览器扩展两部分组成，装上后 Agent 用你的真实登录态干活，你继续在主窗口工作不受打扰。

三分钟装好并自检

三件套缺一不可：一个能跑 Shell 的 Agent、bskCLI、浏览器扩展。

macOS / Linux 一条命令装好，二进制默认落在~/.local/bin：

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

Windows 用 PowerShell：

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

接着从 Chrome Web Store 或 Edge 加载项商店安装扩展，打开扩展弹窗，确认本地连接已启用。最后把操作手册交给你的 Agent 并做自检（--list可查看全部 harness）：

bsk install-skill --harness cursor --json bsk doctor

看到这些现象才算装好：bsk --version能输出版本号，bsk doctor无失败项，扩展弹窗显示"已连接"。如果正在运行的 Agent 找不到bsk，重启一次让它拿到新 PATH。

五个核心能力装完就能用

🪟 开个会话四步干完活

一次任务就是start → 干活 → stop，会话 ID 是4位小写字母，后续每条命令都用--session带上它：

bsk session start --json bsk navigate https://example.com --session <id> bsk observe --session <id> bsk session stop <id>

observe返回的@eN元素引用是后续所有点击、填字的坐标。注意：导航或页面结构大变更后，先重新observe拿新鲜引用再动作，复用旧引用很容易点错位置；无论成败都要session stop，别指望5分钟空闲超时替你清理。

🔁 借用和归还标签页的正确姿势

Agent 默认只碰自己 Agent Window 里的页面，要动你打开的标签页必须先借、用完归还：

bsk tab list --scope user --session <id> bsk tab borrow <tab-id> --session <id> bsk tab return <tab-id> --session <id>

借用默认等你确认60秒，--timeout 120s可改（需 daemon 与扩展协议1.2及以上）。如果借用被拒绝或超时，就先别重复发起同一个借用；相关步骤做完立即归还，别让用户的标签页跨任务滞留。

🙋 卡住时喊人接管

遇到登录、验证码、OTP，或两次尝试毫无进展，把控制权交回给你：

bsk request-help --session <id> --prompt "Please complete sign-in" --target @e3

硬超时默认5分钟。返回continued或completed就重新observe继续；返回cancelled或timed_out表示你拒绝了，不要重复请求；返回disabled说明扩展里关了"允许请求人工协助"，此时应基于现有登录态尽力推进，而不是把任务判为完成。

📸 整页长截图怎么截

--full-page会自动滚动拼接整页，结束后恢复原滚动位置，后台标签页也能截：

行内一条命令即可：bsk screenshot --session <id> --full-page --out page.png。默认采集编码超时2分钟，长页面加--timeout 5m；内部按512像素高的 PNG 瓦片存储以控制内存峰值。注意：嵌套滚动面板和虚拟化列表有采集限制，超长虚拟列表不适合用这种方式取证。

🐞 复现问题前先开调试采集

把每次操作关联到请求、响应体、Console 输出和页面变化，证据可导出为 JSON 事后复查或分享。让 Agent 在复现前先开启 Website debugging 采集，结束后导出证据即可。注意：远程模式不支持文件上传下载；请求重放会用页面当前会话发真实请求，可能修改服务端数据，别在生产环境随意试。

工作原理速览：调用链和三个幕后约定

整条链路严格分层，Agent 从不直接碰浏览器：

• 超时分层：daemon 侧工具超时默认30秒，CLI 侧 IPC 超时设为35秒，刻意比前者略长，你收到的是结构化超时响应而不是连接莫名断开。
• 端口与发现：本地模式 daemon 的回环 WebSocket 默认监听52800端口；session start会先自动拉起 daemon，并等待扩展重连最多35秒才放行请求。
• 队列与清理：daemon 对同一会话的工具调用串行排队、不同会话并行；会话空闲超时默认5分钟只是安全网，显式session stop仍是必须的。

所有参数与结果的契约集中在 crates/bsk-protocol/schema/ 的 JSON Schema 里，扩展端实现在 apps/extension/src/，想核对某个工具的行为可以直接查。

边界与选型

适合

• Agent 需要操作真实网站（后台系统、电商、SaaS）而你不想维护测试账号：直接复用当前 profile 的登录态，只执行操作，不提取凭据、Cookie 或 Token。
• 自动化过程必须可见、可接管：任务都在独立的 Agent Window 里跑，登录、验证码这类步骤随时可喊人。
• Agent 跑在服务器上、浏览器在你电脑上：远程模式由扩展主动发起出站 WSS 连接，你本地无需开放任何入站端口。

不适合

• 纯无头批量抓取：它是为人机协作设计的，不是爬虫工具。
• 需要完全隔离账号的场景：Agent Window 共享所选 profile 的登录态，不是独立的安全沙箱，Agent 会以你已登录网站的权限行事，任务要交给可信的 Agent。

延伸阅读：

• 架构文档
• 长截图说明
• 远程连接说明
• 沙盒环境说明

【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