XNews

BrowserSkill: 开源工具,让AI智能体使用你的真实浏览器

BrowserSkill: 开源工具,让AI智能体使用你的真实浏览器

腾讯开源了BrowserSkill,这是一个命令行工具与浏览器扩展的组合,允许任何具备shell命令执行能力的AI智能体在无中断情况下使用用户已登录的真实浏览器。它在独立的智能体窗口中运行自动化,复用登录状态,并支持人类介入处理验证码。该架构包括守护进程、WebSocket连接和严格的安全模型。

Key insights

架构:四层链式结构,严格分离

BrowserSkill的架构由智能体→bsk CLI(shell)→bsk守护进程(本地IPC)→浏览器扩展(WebSocket)→智能体窗口组成。智能体永远不会直接接触浏览器。守护进程管理会话路由,并按会话序列化RPC。扩展使用CDP驱动浏览器,管理智能体窗口、元素引用和标签借用。会话是核心抽象:每个会话拥有专用窗口和引用存储。

安全模型:权限收敛与凭据保护

BrowserSkill实现了多层安全机制:所有写操作都被限制在智能体窗口内,除非经过用户确认显式借用标签。两个自动化开关(借用确认、帮助请求)存储在浏览器中,无法被CLI覆盖。文件传输在CLI、守护进程和扩展之间分割权限。该技能明确声明不会提取凭据、Cookie或令牌。远程模式使用一次性配对和可撤销的设备凭据。

智能体工程:SKILL.md中的防御规则

SKILL.md文件包含智能体的防御规则:导航会使引用失效,因此智能体在交互前必须重新观察;必须尊重借用拒绝;无法绕过帮助请求;截图证据和页面断言需单独验证。画布交互使用单次使用捕获ID,有效期2分钟。安装对智能体友好:单个命令即可触发CLI安装、技能注入、诊断和验证。

Source posts