XNews

腾讯开源BrowserSkill:实现AI浏览器自动化操作

腾讯开源BrowserSkill:实现AI浏览器自动化操作

腾讯开源了BrowserSkill,这是一款结合命令行工具与浏览器扩展的解决方案,能让AI代理在用户真实已登录的浏览器中无缝操作。它支持任何可运行shell命令的代理,并通过安全模型将代理操作隔离在独立窗口中。

Key insights

架构与设计

BrowserSkill采用四层链式架构:代理 -> bsk CLI -> bsk守护进程(本地IPC)-> 浏览器扩展(WebSocket)-> 代理窗口。代理从不直接接触浏览器。守护进程负责会话路由管理并序列化RPC调用。扩展内置21个工具处理器,通过CDP驱动浏览器。会话通过专用代理窗口和引用存储实现隔离。

安全模型

所有写入操作均被限制在代理窗口内,除非用户确认后显式借用标签页。文件传输采用三方协作:CLI处理文件路径,守护进程管理存储,扩展仅处理浏览器事务。凭证永不提取,Cookie保留在用户浏览器配置文件中。审计日志保留30天。

远程模式与代理工程

0.3.0版本新增远程模式:代理运行在服务器上,通过TLS认证的WSS与本地浏览器建立一次性配对连接。该技能包含SKILL.md防御规则,如导航失效、禁止绕过帮助拒绝、以及带有时限捕获ID的画布处理。安装由代理驱动:只需输入“install browser-skill”即可。

Source posts