AI agent 需要浏览器，但 Playwright/Selenium 不是为 AI 设计的
现有浏览器自动化工具都是给人写的脚本服务的——返回完整 HTML、等 networkidle、自己处理 DOM 解析。AI agent 用起来别扭，token 浪费在无用节点上，遇到反爬直接翻车。
BrowserAct 就是为 AI agent 造的浏览器自动化 CLI。2,267 星，MIT 开源。它能突破反爬，三种浏览器模式，多任务并发不串扰，还支持人工远程接管。
是什么
BrowserAct 是一个 命令行浏览器自动化工具，专门针对 AI agent 的使用场景设计。跟 Playwright/Puppeteer 不一样，它不要求你写脚本，而是直接向 LLM 暴露简洁的交互接口。
核心思想：一个 agent 说「打开网页」→「看状态」→「点击第三个链接」→「输入文字」，BrowserAct 做完把结果用紧凑文本返回，比 JSON/HTML 省 3 倍 token。
三种浏览器模式：
「Chrome 模式」复用本地 Chrome 的登录状态；「隐身模式」每次全新指纹+代理，不留痕迹；「固定身份模式」稳定 fingerprint 跑多账户并行。
三层反封锁：
第一层环境层——指纹伪装、TLS 轮换、代理切换，大部分反爬根本触发不了。第二层执行层——solve-captcha 自动破解验证码。第三层人工层——remote-assist 生成一个链接，人在手机/另一台电脑上接管浏览器，处理完 agent 继续跑。
核心亮点
为 LLM 推理优化。 返回紧凑索引文本格式，不是完整 DOM。你可以说「state」看可点击元素列表，然后「click 3」「input 2 你好」。不需要 AI 去解析 HTML 结构，省 token 省时间。
零干扰并发。 每个 agent 用独立浏览器、独立 cookie、独立指纹。同一台机器上跑 10 个 agent 做不同任务，网站无法关联它们。不会串数据。
人工接管是原生功能。 不是事后补救——agent 卡住时自动生成远程协助链接，你在任何设备上打开就能接管浏览器，处理完 agent 继续往下走。
CLI 原生，安装超简单：
# 直接告诉 AI agent：
# 「安装 browser-act，技能来源：https://github.com/browser-act/skills」
# 然后就能用：
browser-act stealth-extract https://example.com
browser-act --session my-task browser open <id> https://...
browser-act --session my-task click 3
browser-act --session my-task input 2 "搜索内容"
安全确认门。 敏感操作（创建/删除浏览器、导入 profile、改代理）需要用户的明确确认，不是配置开关。每次都要单独确认，无自动放行。
不是没有槽点
不是通用浏览器。 它不是 Chrome/Firefox 的替代品，是 agent 的控制层。你不能拿它日常上网。
依赖云服务。 反爬和远程接管功能依赖 BrowserAct 的云基础设施，完全本地跑的话只能基本自动化。
开源范围有限。 GitHub 上开源的是 Skills（技能定义和 CLI），核心的反爬引擎和浏览器编排是闭源的。跟 Playwright 这种全开源不一样。
学习成本。 虽然 CLI 设计简洁，但理解三种浏览器模式、并发模型、以及怎么集成到 agent 工作流里需要一点时间。
还在早期。 2.2K 星，社区和文档还在成长。遇到问题可能找不到现成的解决方案。
跟同类怎么比
Playwright/Puppeteer： 通用浏览器自动化，功能强大但为脚本设计，对 AI agent 不友好。BrowserAct 专为 LLM 推理优化。
Browserbase/Steel： 云浏览器服务，功能类似但商业闭源。BrowserAct 部分开源，社区版免费。
n8n / Zapier： 工作流自动化，适合非技术人员。BrowserAct 面向开发者/AI agent，是 CLI 层，不是拖拽界面。
一句话：如果你在写 AI agent 或者需要 agent 能操控浏览器做事，BrowserAct 是目前最对口的工具。
GitHub：https://github.com/browser-act/skills
官方网站：https://www.browseract.com
标签：#BrowserAct #浏览器自动化 #AI Agent #反爬虫 #浏览器编排 #CLI工具 #自动化
关注我，每期分享一个帮你省事的强大工具 🛠️