浏览器自动化 on Text Matrix

Chrome DevTools MCP：让 AI 编程代理操控 Chrome 的官方方案

Thu, 21 May 2026 20:16:13 +0800

Chrome DevTools MCP：让 AI 编程代理操控 Chrome 的官方方案

让 AI 编程代理（Claude Code、Codex 等）通过 Chrome DevTools 协议直接操控 Chrome 浏览器。

OpenCLI：把 Agent 的工具入口收成一棵命令树

Sun, 17 May 2026 09:10:00 +0800

OpenCLI 不只是 browser 子命令。更顺的用法是先查适配器命令，缺口再退到 browser 原语；用 profile、browser session、siteSession 分别处理身份、流程和站点页生命周期；重复出现的流程，再沉淀成 adapter、plugin 或 external CLI。

字节跳动UI-TARS：32k星的多模态AI Agent全栈，支持MCP和浏览器自动化

Mon, 11 May 2026 13:05:00 +0800

如果你在找一个能在真实浏览器和桌面上执行任务的 AI Agent 框架，字节跳动的 UI-TARS 值得关注。

一句话定位

UI-TARS-desktop（简称 TARS）是字节跳动开源的多模态 AI Agent 技术栈，包含两个核心产品：

Browserbase Skills：让 Claude Code 拥有浏览器自动化能力

Tue, 05 May 2026 10:03:56 +0800

Browserbase Skills：让 Claude Code 拥有浏览器自动化能力

📋 学习目标

理解 Browserbase Skills 的核心定位——将浏览器自动化能力注入 Claude Code
掌握 10 个核心技能的用途与协作关系
学会在 Claude Code 中安装和配置 Browserbase Skills
理解本地模式与远程 Browserbase 云端模式的切换方式
掌握 site-debugger 和 browser-trace 的调试工作流
理解 cookie-sync 和 ui-test 在实际场景中的应用

📖 项目概述

什么是 Browserbase Skills

Browserbase Skills 是一个开源的 Claude Agent SDK，通过官方 bb CLI 和一组结构化技能，让 Claude Code 能够与浏览器进行深度交互。与传统的无头浏览器方案不同，Browserbase Skills 构建在 Browserbase 云服务之上，提供了反爬虫规避、CAPTCHA 自动解决、住宅代理轮换等开箱即用的能力。

AutoCLI Skill：让AI Agent掌控55+平台的终极浏览器自动化利器

Wed, 22 Apr 2026 00:50:00 +0800

AutoCLI Skill：让AI Agent掌控55+平台的终极浏览器自动化利器

🎯 概述

AutoCLI Skill 是一个为 Claude Code/OpenClaw/AI Agent 打造的终极平台集成工具，让 AI 能够像人一样操控 55+ 个主流平台——无需 API Key、无需复杂配置、直接复用你 Chrome 浏览器里已有的登录态。

Chrome DevTools MCP：让AI编程助手操控Chrome浏览器的官方利器——35K Stars从入门到精通

Sat, 18 Apr 2026 15:20:00 +0800

Chrome DevTools MCP：让AI编程助手操控Chrome浏览器的官方利器——35K Stars从入门到精通

目标读者：AI编程助手用户、想要让AI控制浏览器的开发者、Cursor/Copilot/Claude Code使用者 预计阅读时间：40-50分钟 前置知识：了解MCP（Model Context Protocol）基本概念，有浏览器自动化基础更佳 难度定位：⭐⭐⭐⭐ 专家设计

chrome-devtools-mcp 完全指南：让 AI 编程助手掌控 Chrome DevTools

Sat, 18 Apr 2026 11:35:00 +0800

目标读者：希望将 AI 编码助手（Claude、Cursor、Copilot、Copilot）深度接入浏览器能力的前端工程师、全栈工程师与 AI Agent 开发者。 核心问题：chrome-devtools-mcp 通过 MCP 协议赋予 AI Agent 操作 Chrome DevTools 的能力——具体是怎么做到的？底层依赖是什么？有哪些能力边界？又该如何扩展？ 事实边界：本文基于 ChromeDevTools/chrome-devtools-mcp 公开仓库信息整理，涵盖 README 功能列表、工具函数签名及 npm 包元数据。

Playwright CLI：Microsoft出品的Token高效浏览器自动化利器——8.3K Stars的AI Coding Agent首选

Wed, 15 Apr 2026 19:00:00 +0800

Playwright CLI：Microsoft出品的Token高效浏览器自动化利器——8.3K Stars的AI Coding Agent首选

目标读者：AI Coding Agent 开发者、浏览器自动化工程师、需要在 AI 助手中集成浏览器操作的开发者 预计阅读时间：45-60分钟 前置知识：Node.js 基础、命令行工具使用经验、对 AI Agent 有基本了解 难度定位：⭐⭐⭐⭐ 专家设计

Agent Browser：面向 AI Agent 的原生浏览器自动化 CLI 指南

Sun, 12 Apr 2026 11:40:00 +0800

本文基于官方 README 与 CLI 帮助信息，系统讲清 Agent Browser 的安装方法、snapshot + ref 工作流、会话与认证管理、安全控制、调试观测与 Agent 集成边界。

xiaohongshu-skills：958 Stars的浏览器自动化方案，用真实账号做小红书运营

Tue, 07 Apr 2026 18:10:00 +0800

xiaohongshu-skills：958 Stars的浏览器自动化方案

项目概述

xiaohongshu-skills是由autoclaw-cc团队开发的开源项目，核心特点是「直接使用你已登录的浏览器和真实账号，以普通用户的方式操作小红书」。与xiaohongshu-mcp-skills不同，本项目采用Chrome扩展+浏览器自动化的技术路线，而非MCP服务接口。

Page Agent：阿里巴巴开源的网页内置 GUI Agent

Mon, 06 Apr 2026 21:20:00 +0800

学习目标

通过本文，你将全面掌握以下核心能力：

深入理解 Page Agent 的项目定位、技术架构和设计理念
掌握在网页中集成 Page Agent 的两种方式（CDN 一行代码 + NPM）
学会使用文本化 DOM 操作进行自然语言浏览器控制
理解 MCP Server 的架构和外部控制能力
掌握 Chrome 扩展实现多页面 Agent 的方法
理解与 browser-use 的差异化定位

1. 项目概述

1.1 是什么

Page Agent 是阿里巴巴开源的网页内置 GUI Agent，核心理念是：The GUI Agent Living in Your Webpage——让网页拥有自己的 AI Agent，通过自然语言控制网页界面。

Browser-Use：让 AI Agent 控制浏览器完成任何任务

Mon, 06 Apr 2026 20:12:00 +0800

学习目标

通过本文，你将全面掌握以下核心能力：

深入理解 Browser-Use 的项目定位、技术架构和工作原理
掌握在 Python 项目中安装、配置和使用 Browser-Use
学会使用 CLI 工具进行快速浏览器自动化
掌握为 Claude Code 安装 Browser-Use Skill 的方法
理解自定义工具（Tools）的扩展方法
学会处理认证、CAPTCHA 和生产环境部署
理解 Open Source 与 Cloud 的权衡选择

1. 项目概述

1.1 是什么

Browser-Use 是一个开源的 AI 浏览器自动化库，它的核心理念是：Tell your computer what to do, and it gets it done——告诉计算机要做什么，它就能完成。