一、这是什么？一句话概括

BrowserSkill 是腾讯 2026 年 6 月开源的一套本地浏览器桥接方案。 它在你本机的 Chrome/Edge 浏览器与 AI Agent（Cursor、Claude Code、Codex、WorkBuddy 等）之间建立安全通信链路，让 Agent 在一个独立可见的 Agent Window 中操作网页，同时直接复用你浏览器已有的登录态（Cookie、Session），无需额外配置账号密码。

用大白话说：你平时在 Chrome 里登录了 GitHub、飞书、公司内网，Agent 打开这些网站直接就是登录状态——但它操作的不是你正在用的那个标签页，而是独立的隔离窗口。

---

二、架构设计（它怎么做到的）

AI Agent (Cursor / Claude Code / WorkBuddy)
      │ shell: bsk navigate https://xxx.com
      ▼
  bsk CLI  (Rust 命令行工具)
      │ 本地 IPC
      ▼
  bsk Daemon  (本地守护进程)
      │ WebSocket (127.0.0.1)
      ▼
  BrowserSkill 浏览器扩展  (Chrome/Edge)
      │ CDP (Chrome DevTools Protocol)
      ▼
  Agent Window  (橙色高亮独立窗口)

四个关键事实：

1. 全链路本地闭环：所有通信走 127.0.0.1 本地回环，无遥测数据、无凭证上报
2. Agent 只见过 Shell：对于 Agent 来说 bsk 就是个普通的 shell 命令，跟 curl、git 没区别——不绑定任何模型或框架
3. 扩展是执行中枢：浏览器扩展收到指令后，通过 CDP 协议在 Agent Window 中执行点击、输入、滚动等操作
4. 用户标签页默认只读：Agent 不能随意动你已打开的标签页；需要操作时得显式 “借用”（borrow），用完归还

---

三、优点 —— 为什么值得关注

1. 登录态天然共享（杀手级特性）

传统方案要自动化一个网站，要么手动写登录流程（脆弱，遇到验证码就跪），要么把账号密码塞进环境变量（安全隐患）。BrowserSkill 直接复用你浏览器现有的登录态——Cookie、LocalStorage、Session Token 全部天然可用。

这对以下场景是降维打击：

• 公司内网后台（SSO/LDAP 登录）
• 各类 SaaS 工具（飞书、TAPD、腾讯文档）
• 需要手机验证码登录的网站

2. 零干扰用户体验

Agent 操作在独立的 Agent Window 中完成，橙色高亮边框让你一眼识别。你可以一边写代码，一边让 Agent 在隔壁窗口帮你填表单——互不干扰。

传统 Playwright 方案会起一个全新浏览器实例，要么无头跑你看不到，要么有头跑抢你的焦点。BrowserSkill 把两者完美分离。

3. 完全的 Agent 中立性

不绑定 Cursor、不绑定 WorkBuddy、不绑定任何框架。只要你的 Agent 能执行 shell 命令，就能用 bsk。而且腾讯已经预置了 Cursor、Claude Code、Codex、OpenClaw、CodeBuddy、WorkBuddy、Pi、Hermes 等主流框架的 skill 模板。

4. 内置 Human-in-the-Loop

遇到验证码、支付确认、二次验证等必须人工处理的步骤时，Agent 会主动暂停并弹窗请求你介入，处理完后 Agent 继续执行。这是同类工具中设计得最自然的人机协作机制。

5. 轻量高性能

CLI + Daemon 用 Rust 编写，内存占用极低。扩展用 TypeScript。整个方案不引入额外的浏览器内核——直接复用你已安装的 Chrome/Edge。

6. MIT 开源协议

对商业使用友好，无 copyleft 顾虑。

---

四、缺点 —— 你需要知道的风险

1. 浏览器兼容性有限

目前仅正式支持 Chrome 和 Microsoft Edge。虽然其他 Chromium 内核浏览器（360、QQ 浏览器等）理论上能用，但官方未测试。Firefox 还在计划中，Safari 没有时间表。

2. 依赖浏览器扩展（扩展下架风险）

整套方案强依赖 Chrome Web Store 上的扩展。虽然腾讯是大型企业，但理论上扩展可能因政策调整被下架。本地离线安装扩展是可行的替代方案，但官方目前没有给出侧载（sideload）教程。

3. 不支持无头模式

这是设计取舍：BrowserSkill 的设计哲学就是"可见可控"，Agent Window 是你安全感的来源。但如果你需要纯无头的服务端自动化（比如 CI/CD 中的 E2E 测试 或 7x24 小时的数据采集），这就成了硬伤。

4. 不支持多浏览器引擎

Playwright 能同时驱动 Chromium、Firefox、WebKit。BrowserSkill 只能驱动你本机安装的 Chrome/Edge。无法做跨浏览器兼容性测试。

5. 无法在服务器上运行

深绑定"本机已登录浏览器"这一前提，意味着它天然不适合 Docker/无桌面环境。如果你的工作流是纯云端/纯 CI，BrowserSkill 基本用不了。

6. 生态尚在早期

截至 2026 年 8 月，GitHub Star 约 900+，社区贡献者有限。相比于 Playwright（68k+ Star）和 browser-use（95k+ Star），生态差距明显。遇到问题时能搜到的解决方案会比较少。

7. 安全面：扩展权限较大

浏览器扩展需要较高权限才能操作网页。虽然腾讯声明不做遥测、不走外网，但安装扩展本身就是一种信任行为。企业环境需要安全审计。

---

五、与 Playwright 的深度对比

Playwright 是什么

微软开源的跨浏览器自动化框架，支持 Chromium、Firefox、WebKit 三大引擎。提供 Python / TypeScript / Java / .NET 四语言 API，内置自动化测试框架（断言、追踪、并行执行、录制回放）。

核心差异

维度	BrowserSkill	Playwright
设计哲学	桥接真实浏览器，共享登录态	启动独立浏览器实例，完整控制
浏览器实例	复用你已有的 Chrome/Edge	自带 patched 浏览器二进制（自管理）
登录态	天然共享，零配置	需手动实现登录或导入 storageState
无头模式	不支持	默认无头，可切有头
跨引擎	仅 Chromium（Chrome/Edge）	Chromium + Firefox + WebKit
Docker/CI	不适合	原生支持，有官方 Docker 镜像
AI 集成	天然适配（shell 命令），已有 skill 模板	需额外配置 MCP Server 或 Playwright CLI
编程模型	CLI 命令式（bsk navigate、bsk click）	代码 API（同步/异步，Python/TS 等）
适用场景	AI Agent 操作认证网站、半自动工作流	E2E 测试、数据采集、CI/CD 自动化
学习曲线	低（命令式操作）	中（需编程基础）
社区生态	早期（300+ Star）	成熟（68k+ Star，微软维护）
调试体验	肉眼可见 Agent Window	Trace Viewer（时间轴回放、DOM 快照）
性能	轻量（Rust CLI）	较重（Node.js Server 进程）

什么时候选 Playwright

• 你需要写 E2E 测试跑 CI
• 你需要跨浏览器兼容性测试
• 你需要无头 / 服务端批量执行
• 你需要精细的网络拦截（mock API、限速模拟）
• 你需要确定性的、可重复的操作（不依赖 LLM 推理）

什么时候选 BrowserSkill

• 你的 Agent 需要操作需要登录的网站
• 你不想要额外的浏览器二进制文件
• 你希望看到 Agent 的操作过程（半自动化）
• 你的工作流中有验证码 / OTP 等人工环节
• 你需要在多个 Agent 框架间共用一套浏览器工具

可以组合使用吗？

可以，而且很推荐。 一个常见模式：

• 用 Playwright 做自动化测试和批量数据抓取（确定性操作）
• 用 BrowserSkill 做需要登录态的半自动交互（Agent 辅助）

两者底层都是 CDP 协议，理论上甚至可以通过 CDP 端口互通。

---

六、与 browser-use 的深度对比

browser-use 是什么

browser-use 是 2025 年以来最火的 AI 浏览器 Agent 框架（GitHub 95k+ Star，获 Felicis 领投 1700 万美元种子轮）。它让 LLM 自主理解网页并执行自然语言任务——“帮我查 5 月 10 日北京飞东京最便宜的机票”，Agent 会自动打开浏览器、搜索、比对、返回结果。

核心差异

维度	BrowserSkill	browser-use
自主程度	半自动：Agent 按指令逐步操作，人可随时介入	全自动：给定目标，Agent 自主规划并执行
LLM 依赖	无内置 LLM，决策逻辑在 Agent 侧	内置 Agent Loop，强依赖 LLM 推理
登录态	直接复用本机浏览器 Cookie	需自行配置 Profile 或通过 Cloud 同步
无头支持	不支持	支持（本地 Chromium / Cloud 隐身浏览器）
云端能力	纯本地	Cloud 提供隐身浏览器、自动代理、CAPTCHA 绕过
编程语言	CLI 命令（语言无关）	Python（通过 @tools.action 扩展）
跨平台	本机有浏览器即可	本地 + Cloud + Docker
成本	免费（无 LLM 调用费用）	免费 OSS 版 + 付费 Cloud（$0.06/小时）
反爬对抗	继承本机浏览器 fingerprint	Cloud 版内置隐身指纹 + 代理轮换
操作可解释性	高（可见窗口 + shell 日志）	中（步骤日志，无视觉窗口）
适用任务复杂度	中（需要指令引导）	高（能处理开放式复杂任务）
学习曲线	低（bsk 命令）	中高（需理解 Agent 概念和 Python）
生态	早期	成熟（2400+ 依赖项目，15000+ 开发者）

什么时候选 browser-use

• 你需要 AI 完全自主完成复杂网页任务（跨站点搜索、多步工作流）
• 你需要云端隐身浏览器 + 反爬对抗能力
• 你需要批量并发执行（Cloud 支持 25 并发 Session）
• 你愿意为 CAPTCHA 自动解决付费
• 你的工作流是 Python 技术栈

什么时候选 BrowserSkill

• 你的任务需要你的真实登录态（内网、SaaS 后台）
• 你不需要 AI 自由发挥——你给明确指令，Agent 逐步执行
• 你不想为 Agent 的浏览器操作额外付费
• 你关心隐私，所有数据不出本机
• 你用的是 WorkBuddy / Cursor 等桌面 Agent，想增强它们的浏览器能力

browser-use 的一个典型陷阱

browser-use 的 OSS 版用的是 Playwright 启动的独立 Chromium（v0.6.0 后已移除 Playwright 依赖，改用自研 cdp-use），这意味着：

• 它看不到你日常浏览器里的 Cookie，你的 GitHub / 飞书 / 企业后台都要重新登录
• 它会把登录流程当作任务的一部分来"解决"，成功率取决于 LLM 能力
• 遇到 SSO / 手机验证码，基本卡死

Cloud 版可以通过 Profile Sync 把本机 Chrome Session 同步到云端，但这又引入了数据出境的隐私顾虑。

---

七、三合一终极对比

维度	BrowserSkill	Playwright	browser-use
类型	本地浏览器桥接	浏览器自动化框架	AI 浏览器 Agent 框架
核心优势	共享登录态、零配置	确定性、跨引擎、CI 友好	全自主、高复杂度任务
AI 集成	天然（shell 命令）	需额外配置 MCP	内建 Agent Loop
无头模式	❌	✅ 默认	✅
Docker/CI	❌	✅	✅
跨浏览器	Chrome/Edge	Chromium+Firefox+WebKit	Chromium (cdp-use)
登录态共享	✅ 完美	⚠️ 需手动	⚠️ 需配置
社区规模	900+ Star	68k+ Star	95k+ Star
学习难度	⭐ 低	⭐⭐ 中	⭐⭐⭐ 高
成本	免费	免费	免费 + Cloud 付费
最佳场景	Agent 操作认证网站	E2E 测试 / 批量采集	AI 自主复杂任务

---

八、选型决策树

你要做什么？
│
├── AI Agent 操作你已登录的内部网站
│   └── → BrowserSkill ✅
│
├── 写自动化测试，跑 CI/CD
│   └── → Playwright ✅
│
├── AI 自主完成开放式网页任务（跨站搜索、对比价格）
│   └── → browser-use ✅
│
├── 批量采集大量公开网页数据
│   └── → Playwright ✅ (确定性强，速度快)
│
├── 既要测试又要 Agent 辅助操作
│   └── → Playwright + BrowserSkill 混合 ✅
│
└── 需要云端隐身 + CAPTCHA 绕过
    └── → browser-use Cloud ✅

---

九、安装教程（以 Microsoft Edge 为例，国内友好）

为什么推荐 Edge？国内 Windows 用户 Edge 是预装浏览器，登录微软账号后扩展商店可直连（不需要科学上网），比 Chrome Web Store 方便太多。

前置条件

• Windows 10/11（macOS/Linux 用户参考官方文档，流程类似）
• Microsoft Edge 浏览器（版本 100+）
• 一个支持 Shell 命令的 AI Agent（如 WorkBuddy、Cursor、Claude Code）

步骤一：安装 bsk CLI

打开 PowerShell（管理员或普通用户均可），逐行执行：

# 方式一（推荐）：通过官方安装脚本
irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex

如果 GitHub 连接不稳定（常见于国内环境），使用方式二：

# 方式二：手动下载
# 1. 浏览器打开：https://github.com/Tencent/BrowserSkill/releases/latest
# 2. 下载 bsk-v{版本号}-x86_64-pc-windows-msvc.zip
# 3. 解压后得到 bsk.exe，放到一个在 PATH 上的目录，如：
#    C:\Users\你的用户名\.local\bin\

# 然后把该目录加入 PATH（如果还没有的话）：
[Environment]::SetEnvironmentVariable(
    "Path",
    [Environment]::GetEnvironmentVariable("Path", "User") + ";$env:USERPROFILE\.local\bin",
    "User"
)

验证安装：

bsk --version
# 应该输出类似：bsk 0.1.10

步骤二：安装浏览器扩展（Edge）

这是最关键的一步。 你需要安装 BrowserSkill 扩展到你日常使用的浏览器中。

方式一：从 Edge 扩展商店安装（推荐）

1. 打开 Microsoft Edge 浏览器
2. 访问 Edge 加载项商店
3. 搜索 “BrowserSkill”
4. 点击「获取」安装
5. 安装完成后，点击 Edge 右上角的扩展图标（拼图块），找到 BrowserSkill，点图钉 📌 固定到工具栏
6. 点击 BrowserSkill 图标，确认弹出面板显示绿色连接状态

如果  Edge 商店搜不到，说明腾讯还未上架 Edge 商店，请用方式二。

方式二：从 Chrome Web Store 安装（Edge 兼容 Chrome 扩展）

1. 打开 Edge 浏览器
2. 访问 edge://extensions/
3. 打开左下角「允许来自其他应用商店的扩展」开关
4. 访问 Chrome Web Store - BrowserSkill
5. 点击「添加到 Chrome」（会提示允许从 Chrome Web Store 安装，点允许）
6. 安装完成后同上操作钉到工具栏

方式三：开发者模式加载（离线安装，最稳）

1. 从 GitHub Releases 下载扩展源码包
2. 解压到固定目录，例如 C:\Users\你的用户名\browserskill-extension\
3. 打开 Edge，访问 edge://extensions/
4. 打开左下角「开发人员模式」
5. 点击「加载解压缩的扩展」，选择解压后的文件夹
6. 确认列表中出现了 BrowserSkill

离线安装的扩展不会被自动更新，需要手动下载新版本替换。

步骤三：安装 Skill 到你的 AI Agent

打开终端（PowerShell 或 Git Bash），运行：

bsk install-skill

会出现一个交互式选择菜单，用空格键勾选你要安装的 Agent 框架：

[x] workbuddy         WorkBuddy
[x] cursor            Cursor
[ ] claude-code       Claude Code
[ ] codex             Codex
...

按 Enter 确认安装。bsk 会自动将 SKILL.md 写入对应 Agent 的 skills 目录。

如果菜单中没有你的 Agent（如一些国产 Agent），可以手动复制：

# 找到 bsk 安装目录下的 skill 文件
# Windows 通常在：%USERPROFILE%\.local\share\bsk\
# 将其中的 SKILL.md 复制到你的 Agent 的 skills/browser-skill/ 目录

步骤四：验证安装

# 全面诊断
bsk doctor

# 应该输出类似：
# ✅ bsk CLI: 0.1.10
# ✅ Daemon: running
# ✅ Extension: connected (Chrome 130.x)
# ✅ Agent skills: workbuddy

步骤五：启动你的第一个浏览器自动化任务

在你使用的 Agent中发送：

打开百度首页，告诉我今天的热搜榜有哪些

Agent 会自动通过 bsk 命令打开 Agent Window、导航到百度、截取页面内容、分析后返回结果给你。

常见问题排查

问题	解决方案
bsk 命令找不到	确认 %USERPROFILE%\.local\bin 在 PATH 中，重启终端
扩展显示灰色/断连	关闭 Edge 全部窗口后重新打开，点击扩展图标刷新
bsk doctor 报 daemon 未启动	运行 bsk status，手动 bsk session start 试一次
GitHub 下载失败	用镜像站或手动下载 release
Edge 商店搜不到扩展	用方式二（Chrome Web Store）或方式三（开发者模式）
Agent 执行命令报 permission denied	检查扩展是否已正确安装并启用

---

十、总结

BrowserSkill 不是要取代 Playwright，也不是要和 browser-use 正面对抗。它解决了一个非常具体的痛点：

“我的 AI 助手已经很聪明了，但它没法访问我浏览器里已经登录的那些网站。”

在一个 Agent + 真实登录态 = 超级生产力的方向上，BrowserSkill 给出了目前最优雅的开源答案。Rust 写的轻量 CLI、隔离的 Agent Window、内置的人机协作暂停机制——每一个设计决策都透着务实。

它适合你，如果你：

• 常用 WorkBuddy / Cursor 等桌面 Agent
• 需要让 Agent 帮你操作飞书、TAPD、GitHub、内网后台等认证网站
• 在乎数据不出本机的隐私
• 不想为浏览器自动化额外付费

它不适合你，如果你：

• 需要无头批量执行的 CI/CD 自动化 → 选 Playwright
• 主要用 Safari / Firefox → 等官方支持
• 在 Linux 服务器上跑 → 不适用