行业痛点引出
当前AI Agent领域中，浏览器自动化任务一直存在难以突破的瓶颈。多数自动化工具需要启动独立的全新浏览器实例，无法复用用户本地已经登录的账号状态。
针对需要登录才能访问的系统，自动化任务要么需要用户重新输入账号密码完成二次登录，要么需要额外配置cookie同步，流程繁琐且容易触发平台安全验证。同时，独立启动的浏览器实例会占用额外系统资源，执行任务时会打断用户当前的正常工作流程。
该项目针对上述痛点提供了一套完整的解决方案，重新设计了AI Agent与本地浏览器的交互逻辑，因此在开源后迅速获得业内关注。
项目概述
该项目由腾讯团队开发，于2026年8月正式加入开源社区，文档同步完成了中文本地化适配。项目当前已完成核心功能开发，覆盖主流使用场景，社区更新保持稳定频率。
项目核心定位为连接AI Agent与本地浏览器的中间工具，支持具备Shell能力的各类AI Agent接入，允许AI Agent在用户已登录的浏览器中执行任务，且不会干扰用户正常工作流程。
技术架构深度分析
项目整体采用客户端+扩展的分层架构，分为CLI核心模块与浏览器扩展两个核心部分，二者通过本地进程间通信完成数据交互。这种拆分设计符合Chromium生态的扩展权限规则，同时避免CLI直接操作浏览器内核带来的兼容性问题。
CLI核心模块负责对接各类AI Agent的Shell调用，接收AI Agent下发的自动化指令，完成指令格式转换后转发给浏览器扩展。模块原生支持常见的Agent接入规范，无需额外适配即可对接主流工具。CLI模块单独运行在用户本地系统中，所有数据交互都在本地完成，不会上传用户的登录状态与页面数据，保障数据安全。
浏览器扩展部分负责与现有浏览器实例对接，挂载到用户当前运行的浏览器进程中，实现对指定标签页的状态获取与操作控制。扩展提供了标签页隔离机制，AI Agent仅能操作用户授权的指定标签页，其余标签页的运行状态不会受到任何影响。任务完成后，扩展会释放对目标标签页的控制，将标签页交还给用户，操作痕迹完全保留。
架构设计上选择复用用户现有浏览器环境而非启动独立实例，核心出发点就是解决登录状态复用的问题。用户本地浏览器已经保存了所有网站的登录会话与Cookie，AI Agent可以直接复用这些状态，无需重复登录，也不需要额外处理身份验证流程。同时，这种设计不需要用户安装独立的测试浏览器，也不需要配置无头模式，降低了使用门槛。内置的人工干预机制也通过架构分层实现，当AI Agent遇到需要用户确认的操作时，可以直接暂停任务并向用户发出请求，用户在当前浏览器完成操作后，AI Agent可继续执行后续流程。
核心功能详解
复用真实登录状态
该功能直接读取用户当前浏览器中已保存的登录会话与Cookie信息，AI Agent执行任务时直接使用已有登录状态访问目标网站。无需用户提供额外的账号密码信息，也不需要手动同步Cookie，避免了二次登录可能触发的安全验证，大幅简化了需要登录场景的自动化流程。该功能对于企业内部系统自动化测试、需要登录的数据采集等场景适配性极强。
无中断工作流设计
AI Agent执行任务过程中，仅占用用户授权的单个标签页，其余打开的标签页与用户当前操作完全隔离，不会受到任务执行的影响。任务完成后AI Agent立刻释放对标签页的控制，用户可以继续之前的操作，不需要关闭浏览器或者重启工作会话。该设计解决了自动化任务与用户手动操作冲突的问题，让AI自动化可以嵌入日常工作流程，不需要专门预留时间执行任务。
全兼容Agent接入支持
项目本身不绑定特定AI Agent框架，任何具备Shell调用能力的Agent都可以直接接入使用。当前主流的Cursor、Claude Code、Codex等开发Agent都可以直接使用，不需要修改Agent的核心逻辑，也不需要开发额外的适配插件。用户可以根据自己的技术栈选择对应的AI Agent，不需要为了使用浏览器自动化切换工具链。
内置人工干预机制
自动化任务执行过程中，遇到需要用户判断或者授权的操作时，任务会自动暂停，向用户发出干预请求。用户完成对应的操作或者确认后，AI Agent可以从暂停位置继续执行后续任务流程。该机制解决了纯自动化无法处理异常场景的问题，提升了复杂任务的成功率，同时保留了人工控制的灵活性。
隔离任务运行环境
AI Agent的任务默认运行在独立的标签页或者独立窗口中，不会修改用户原本打开页面的内容，也不会影响其他页面的运行状态。任务执行产生的历史记录与缓存默认保存在独立分区，用户可以选择清理或者保留，不会污染用户原本的浏览器数据。该设计保持了用户浏览器环境的整洁，同时避免任务数据与个人数据混淆。
多平台多浏览器支持
项目同时支持macOS、Linux以及Windows x64三大主流桌面平台，覆盖绝大多数开发设备的系统环境。浏览器层面原生支持Chrome与Microsoft Edge，所有基于Chromium内核的第三方浏览器基本都可以兼容运行。用户不需要因为项目兼容性更换日常使用的浏览器，降低了迁移成本。
项目地址：https://github.com/Tencent/BrowserSkill
⭐ Stars：5631
🔍 来源：GitHub
Let AI agents use your real, logged-in browser without interrupting your work. CLI + extension for browser automation across any shell-capable AI agent.
微信扫一扫，打赏作者吧～
