BrowserSkill 实战：用自然语言让 AI 操控真实浏览器

一、为什么需要 BrowserSkill

日常开发中频繁使用 Cursor、Claude Code 等 AI 编码工具时，会遇到一个普遍痛点：这些工具只能操作代码仓库，无法触碰浏览器。

想让 AI 帮忙查询内部管理系统数据、抓取已登录网站信息、自动填写测试表单，传统方案要么写 Selenium/Playwright 脚本，要么配置独立无头浏览器环境。这些方案无法复用已登录会话，得重新搞测试账号和登录流程。

BrowserSkill 提供的解法是：AI 直接借用你正在使用的浏览器，操作已登录的网站，完成后将标签页控制权交还，日常工作完全不受影响。

二、前置条件

1. 操作系统：macOS（Apple Silicon / Intel）、Linux（x64 / ARM64）或 Windows x64
2. 浏览器：Chrome 或 Microsoft Edge（支持非商店扩展安装）
3. 一个已登录的真实浏览器会话：这是核心使用场景
4. 支持 shell 调用的 AI Agent：Cursor、Claude Code、Codex、OpenClaw 等
5. 终端基础操作：能执行 curl、理解路径和权限概念

三、安装 bsk CLI

BrowserSkill 的核心是 bsk 命令行工具，作为 AI Agent 和浏览器之间的本地桥接。AI 通过执行 shell 命令调用 bsk，bsk 再通知浏览器扩展执行操作。

macOS / Linux：

curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh
bsk --version

Windows PowerShell：

irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex
bsk --version

输出版本号即表示安装成功。脚本会将 bsk 下载到 ~/.local/bin 并加入 PATH。

踩坑提醒：若提示 command not found，检查 PATH 是否包含 ~/.local/bin。在 .zshrc 或 .bashrc 中添加 export PATH="$HOME/.local/bin:$PATH"，然后执行 source 重新加载。

四、安装浏览器扩展

前往浏览器插件商店安装：

• Chrome：https://chromewebstore.google.com/detail/hhcmgoofomhgciiibhipgmgkgnoenaoi
• Edge：https://microsoftedge.microsoft.com/addons/detail/browserskill/emacgiaaaiojkkpkddmmdfhmokgmnikg

安装后工具栏会出现 BrowserSkill 图标。扩展会在浏览器内部创建独立的 Agent Window，AI 所有操作都在此窗口进行，其他标签页完全不受影响。

五、接入 AI Agent

一键安装（推荐）

在 Cursor 或 Claude Code 中直接发送给 AI：

Set up browser-skill on this machine by following https://raw.githubusercontent.com/Tencent/BrowserSkill/main/AGENT_INSTALL.md

AI 会自动读取安装指引并完成配置。

手动安装

bsk install-skill           # 交互式选择要接入的 AI Agent
bsk install-skill --list    # 查看所有支持的 Agent 列表

安装本质是将 SKILL.md 复制到 AI Agent skills 目录，Agent 从此知道可以用 bsk 操作浏览器。

六、实战：让 AI 打开网页并总结内容

操作步骤

1. 在 Cursor 或 Claude Code 中打开新聊天窗口
2. 输入指令：
   复制代码

   /browser-skill open example.com and summarize what is on the page.

3. 浏览器弹出独立 Agent Window，AI 自动打开 example.com、读取内容并返回总结
4. 任务完成后 Agent Window 将标签页控制权交还

底层流程

输入指令 → AI 执行 shell 命令 bsk → CLI 通过本地 IPC 通知 daemon → 
daemon 通过 WebSocket 连接浏览器扩展 → 扩展在 Agent Window 中打开页面 → 
读取内容后沿原路径返回结果

整个链路本地运行，浏览器控制权未交给云端。

七、实战：抓取已登录后台数据

这才是 BrowserSkill 真正的价值所在。

在内部运维后台、工单系统或财务系统中已登录的情况下，直接告诉 AI：

/browser-skill 打开工单系统首页，进入「待处理工单」页面，列出所有工单标题和当前状态。

Agent 复用浏览器已登录会话，无需额外认证。Selenium 体系需要单独配置 cookie 或保持独立 WebDriver 会话，而 BrowserSkill 天然继承你的登录状态。

八、DeepSeek Harness 专属方案

使用 DeepSeek Harness (dsh) 时，可安装 npm 插件：

dsh plugin --profile web add @wxg-prc-cpg/browser-skill-dsh-plugin
dsh --profile web

该插件注入原生 browser_* 工具，无需 shell 调用 bsk，附带实时 Web 监控面板。安装后不再需要 bsk install-skill，但 bsk CLI 和浏览器扩展仍是前置条件。

九、踩坑提醒

AI 操作时浏览器会卡顿吗？
不会。Agent Window 与正常浏览器窗口分离，可一边让 AI 干活一边自己浏览。

遇到验证码或弹窗怎么办？
BrowserSkill 内置 human-in-loop 机制。遇到 AI 无法处理的步骤（验证码、登录确认、弹窗），会自动暂停请求手动处理，处理完毕后继续执行。

Firefox 能用吗？
暂不支持，后续计划加入。

十、总结与下一步

完整操作链路：

1. 安装 bsk CLI
2. 安装浏览器扩展（Chrome/Edge）
3. 执行 bsk install-skill 接入 AI Agent
4. 用自然语言指挥 AI 操作真实浏览器

核心价值：让 AI 操作已登录浏览器，不打断日常工作。适合需要操作后台系统、抓取已登录页面数据、自动化表单填写的开发者。

下一步建议：

• 尝试更复杂操作：多页面跳转、表单填写、截图保存
• 探索更多子命令：bsk --help
• 深入理解工作原理：查看项目 SKILL.md 和架构文档

项目地址：https://github.com/Tencent/BrowserSkill，欢迎分享使用体验和好用的浏览器自动化场景。