最近 GitHub 上有个项目挺有意思叫BrowserSkill来自腾讯。项目地址https://github.com/Tencent/BrowserSkill如果你平时在用 Codex、Claude Code、Cursor、Hermes Agent 这类 AI Coding 工具这个项目很值得看。它解决的问题非常直接让 AI Agent 直接使用你已经登录的真实浏览器。以前我们让 Codex 操作网页通常会走 Playwright、Selenium 或独立浏览器环境。问题也很明显。比如你让 Codex打开我的后台查看最近 10 条订单。它启动一个新的浏览器以后第一件事往往是请登录接着又可能遇到短信验证码 二次验证 扫码登录 人机验证但你自己的 Chrome 明明早就已经登录好了。BrowserSkill 就是在解决这个问题。BrowserSkill 是什么BrowserSkill 本质上是在 AI Agent 和你本机浏览器之间加了一层本地桥接。目前官方已经明确支持CodexClaude CodeCursorOpenClawCodeBuddyWorkBuddyPiHermes AgentDeepSeek Harness其他可以调用 Shell 的 Agent它不会要求 Agent 再启动一个完全独立的测试浏览器而是可以复用你真实 Chrome 或 Edge 中已经存在的登录状态。比如你的 Chrome 已经登录GitHub 博客后台 公司管理系统 电商后台 CRM 内部工具Codex 就可以通过 BrowserSkill 继续操作这些网站。这对电脑自动化来说非常实用。最大的亮点复用真实登录状态这是我觉得 BrowserSkill 最有价值的地方。传统浏览器自动化经常是Codex ↓ Playwright ↓ 新浏览器 ↓ 重新登录BrowserSkill 的流程更像Codex ↓ bsk CLI ↓ 本地 Daemon ↓ BrowserSkill 浏览器扩展 ↓ 你已经登录的 Chrome也就是说Agent 不需要重新创建一套账号状态。你已经登录的网站它可以直接使用。如果你的工作经常涉及查询后台数据整理网页信息操作 CMS检查 GitHub查看内部系统自动填写网页表单批量处理后台任务这个能力就非常有用了。Agent 操作浏览器时你还能继续正常工作这也是 BrowserSkill 设计得比较好的一个地方。它不会默认直接抢走你正在使用的 Chrome。BrowserSkill 会给 Agent 创建一个独立、可见的Agent Window。也就是说你的 Chrome 窗口 → 你继续正常使用 Agent Window → Codex 自己操作两个可以同时工作。如果 Agent 确实需要操作你当前已经打开的某一个 Tab它需要显式“借用”这个 Tab。任务结束以后再把 Tab 归还。其他浏览器窗口不会被随便操作。相比“AI 一启动自动化我的鼠标键盘就不能用了”这种方式舒服很多。遇到验证码怎么办真实网站自动化一定绕不开验证码、扫码登录、确认弹窗这些问题。BrowserSkill 没有尝试让 AI 强行绕过这些步骤而是直接支持Human-in-the-loop。流程类似Agent 自动执行任务 ↓ 遇到验证码 ↓ 请求用户接管 ↓ 你完成验证码 ↓ 把控制权交还 Agent ↓ 继续执行这个设计其实很重要。真正能进入日常工作流的 Agent不应该假设所有步骤都能 100% 自动完成。很多时候最实用的方式反而是AI 完成 90%人类只处理必须人工确认的 10%。在 Codex 中怎么安装如果你使用 macOS 或 Linux可以先安装bskCLIcurl-fsSLhttps://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh|sh安装完成以后检查版本bsk--version然后安装 BrowserSkill 的浏览器扩展。官方目前支持Chrome Microsoft Edge其他 Chromium 浏览器只要支持 Chromium 扩展也有机会使用。接下来给 Codex 安装 Skillbsk install-skill执行以后可以选择你正在使用的 Agent。例如Codex Claude Code Cursor Hermes Agent OpenClaw安装完成以后建议重新打开一个新的 Codex Session。最简单的测试安装好以后可以先从一个最简单的任务开始。在 Codex 里输入/browser-skill open example.com and summarize what is on the page.如果浏览器可以正常打开页面并返回内容说明基础链路已经跑通。接下来就可以开始测试更真实的场景。一个更适合实际工作的例子假设你的 Chrome 已经登录了自己的博客后台。你可以直接告诉 Codex使用 browser-skill 打开我已经登录的博客后台。 查看最近发布的 10 篇文章。 整理出 1. 文章标题 2. 发布时间 3. 阅读量 4. 评论数 最后生成一个 Markdown 表格。 不要修改、删除或发布任何内容。这时候 Codex 可以打开后台 ↓ 读取列表 ↓ 翻页 ↓ 整理数据 ↓ 生成 Markdown你不需要再专门给 Codex 配置后台 API。也不用重新在测试浏览器里登录一次。这就是 BrowserSkill 真正实用的地方。再进一步让 Codex 操作真实业务系统比如做电商你可以让 Agent打开订单后台。 筛选今天所有“已付款未发货”的订单。 统计订单数量和总金额。 不要执行发货操作。做内容运营可以打开内容管理后台。 整理最近 30 天发布的文章。 找出阅读量最高的 10 篇。 分析标题有什么共同特点。做开发可以打开已经登录的测试环境。 按照测试用例依次检查几个页面。 记录出现报错的页面和错误信息。 不要修改线上数据。这时候 Codex 已经不只是“写代码”。它开始真正操作软件。BrowserSkill 的工作原理BrowserSkill 的架构并不复杂。核心链路是Codex / Claude Code ↓ bsk CLI ↓ Local Daemon ↓ WebSocket ↓ BrowserSkill Extension ↓ ChromeAgent 本身不会直接控制浏览器。它会调用bsk。bsk再把任务交给本地 Daemon。Daemon 通过本地 WebSocket 和浏览器扩展通信。最后由扩展完成浏览器操作。官方说明这里的通信主要发生在本机。这种设计的好处是Agent 仍然通过标准 Shell 调用工具。所以 BrowserSkill 并没有强绑定某个模型。只要 Agent 能执行 Shell就有机会接入。为什么我觉得这个项目值得关注我觉得 BrowserSkill 真正有意思的地方不只是AI 又会操作浏览器了。浏览器自动化本身早就存在。真正的变化是Agent 正在从“测试环境里的自动化工具”进入我们真实正在使用的电脑。以前的 Agent 更像启动一个沙盒 打开一个测试浏览器 运行一个自动化脚本现在开始变成使用真实浏览器 使用真实登录状态 操作真实软件 遇到关键步骤让人接管 完成以后继续工作这已经越来越接近一个真正的电脑操作 Agent。尤其是 Codex、Claude Code 这类工具。最开始大家只是拿它们写代码。后来开始操作文件 生成 Excel 做 PPT 处理图片 调用 FFmpeg 操作浏览器 控制桌面软件边界其实一直在往外扩。BrowserSkill 就是一个非常典型的例子。使用时一定要注意权限BrowserSkill 能复用真实登录状态同时也意味着权限更大。所以我建议刚开始使用时任务一定写清楚边界。比如不要只说帮我处理后台。最好写成查看后台最近 10 条订单。 只允许读取。 禁止 - 删除数据 - 修改订单 - 发货 - 退款 - 修改账号 - 修改权限 完成后只返回分析结果。尤其是支付 删除 发布 退款 权限修改 账号安全 生产环境配置这些操作最好一直保留人工确认。AI Agent 能做的事情越多权限控制反而越重要。最后我觉得 BrowserSkill 很适合现在的 Codex 用户。它没有去重新造一个完整的 Browser Agent而是做了一件很实际的事情把 AI Agent 接到你已经在使用的真实浏览器里。以后你可以一边正常使用电脑一边让 Codex查网页 整理资料 操作后台 测试网站 填写表单 分析数据遇到验证码或者关键确认时你再临时接管。这可能才是电脑 Agent 真正实用的形态不是完全取代人而是让 AI 自动完成大量重复操作把真正需要判断和确认的步骤留给人。如果你本身就在用 Codex、Claude Code 或 Hermes Agent我觉得这个项目值得装下来实际跑一次。