BrowserSkill:面向AI代理的命令行与浏览器扩展

腾讯发布了BrowserSkill,这是一款结合了命令行(CLI)与浏览器扩展的工具,允许任何具备Shell访问权限的AI代理无中断地使用用户已登录的真实浏览器。它支持远程模式、会话管理,并具备防止凭证窃取的安全模型。
Key insights
BrowserSkill让AI代理使用用户已登录的真实浏览器
与需要单独测试账号的无头浏览器不同,BrowserSkill在用户日常使用的浏览器配置文件上运行,保留现有的Cookie和登录状态。自动化操作在独立的“代理窗口”中执行,不会干扰用户的正常浏览。该工具与框架无关,可以与任何能执行Shell命令的代理配合使用。
四层架构实现严格职责分离
该架构由代理→bsk CLI(Shell)→bsk守护进程(本地IPC)→浏览器扩展(WebSocket)→代理窗口组成。代理从不直接接触浏览器。会话是核心抽象:每个会话拥有唯一ID、专属代理窗口、会话级引用存储和借用表。会话内的操作按顺序执行以确保引用安全。
安全模型防止凭证窃取与未授权访问
写入操作被限制在代理窗口内,除非显式借用标签页(需用户确认)。两个自动化开关(借用前确认、允许帮助请求)存储在浏览器中,且不能被命令行覆盖。文件传输分离权限:命令行处理路径,守护进程管理存储,扩展处理浏览器事务。凭证信息永不被提取。
远程模式实现云端代理安全控制本地浏览器
0.3.0版本增加了远程模式:代理在服务器上运行,通过一次性配对链接连接用户的本地浏览器,该链接使用可更新的设备凭证并通过TLS认证的WSS协议通信。这使得基于云的代理能够使用用户的本地登录状态,同时确保安全性。