BrowserSkill (Tencent) 快速入门

BrowserSkill 快速入门

一句话卖点: 让 Agent 借用你的浏览器标签页执行任务，用完归还——复用真实登录态，不中断你的工作

这是什么?适合谁?

BrowserSkill 是腾讯官方出品的 Agent 浏览器自动化方案。核心理念：让 AI Agent 使用你真实已登录的浏览器，且不中断你的工作。CLI + 浏览器扩展双组件：Agent 通过 bsk CLI 借用标签页执行任务，完成后归还。

与 Browser Use、Playwright 等竞品的关键差异：BrowserSkill 复用真实浏览器的登录状态，无需单独维护测试账号；Agent 在独立窗口中操作，不影响用户正在使用的标签页；内置 human-in-loop 机制——遇到验证码、登录确认等场景时请求人类接管。

支持 Cursor、Claude Code、Codex、OpenClaw、CodeBuddy、Hermes 等所有 shell-capable Agent。跨平台支持 macOS/Linux/Windows，兼容 Chrome 和 Edge 浏览器。CLI 用 Rust 编写（GitHub crates/），浏览器扩展支持 Chrome Web Store 安装。

适合需要 Agent 操作 Web 应用的开发者，尤其是涉及登录态的场景。不适合纯 API 调用的自动化场景（直接用 API 更高效）。

准备工作

1. 安装 Chrome 或 Edge 浏览器
2. 安装 BrowserSkill 浏览器扩展（从 Chrome Web Store 或 Edge Add-ons）
3. 安装 bsk CLI 工具
4. 确保 AI Agent（如 Claude Code）已安装并可用

3步快速上手

第1步: 安装 CLI 和扩展

从 https://github.com/Tencent/BrowserSkill 克隆仓库，按照 README 安装 bsk CLI（Rust 编写）。在浏览器中安装 BrowserSkill 扩展。两者通过本地端口通信，无需网络连接。

第2步: 在浏览器中登录目标网站

像平常一样在浏览器中登录你需要 Agent 操作的网站（如 GitHub、Jira、飞书等）。BrowserSkill 会复用这些登录状态，Agent 不需要单独的测试账号。

第3步: 让 Agent 借用浏览器

在 Claude Code 或其他 Agent 中，使用 bsk 命令借用标签页执行任务。例如：bsk run "在 GitHub 上创建一个 issue，标题为..."。Agent 会在独立窗口中操作，完成后归还标签页。遇到验证码时，Agent 会暂停并请求你接管。

常见踩坑

1. 浏览器扩展权限——首次安装需要授予”读取和更改网站数据”权限
2. CLI 与扩展版本匹配——确保 bsk CLI 版本与浏览器扩展版本兼容
3. 多个浏览器 Profile——如果使用多个 Chrome Profile，需要指定 Agent 使用哪个
4. 网站反自动化检测——部分网站可能检测到自动化操作，此时需要 human-in-loop 接管
5. 标签页冲突——Agent 操作期间不要手动关闭被借用的标签页
6. 性能影响——Agent 操作大量页面时可能影响浏览器性能

初级用法

1. 自动填表：Agent 借用浏览器自动填写重复性表单
2. 数据采集：Agent 从需要登录的内部系统中提取数据
3. 定时检查：Agent 定期检查某个页面的状态变化
4. 跨系统操作：Agent 在多个 Web 应用间协调操作（如从 A 系统复制数据到 B 系统）

高级玩法

1. 多 Agent 协作：多个 Agent 同时借用不同标签页并行工作
2. 复杂工作流：Agent 在浏览器中执行多步骤业务流程（如提交审批→等待→确认）
3. Human-in-loop 审批：Agent 执行到关键步骤时暂停，等待人类确认后继续
4. 自定义 Skill 扩展：基于 BrowserSkill 开发针对特定网站的专用 Skill

小技巧

1. 为常用网站创建预设配置，Agent 可以快速启动
2. 在 Agent 操作期间使用其他浏览器窗口继续自己的工作
3. 配置 Agent 的操作超时时间，避免长时间占用标签页
4. 定期检查浏览器扩展的更新，获取最新的反自动化对抗能力
5. 为敏感操作（如支付、删除）设置必须人工确认的规则

❓ 常见问题 FAQ

Q1: BrowserSkill 和 Browser Use 的核心差异是什么？

Browser Use 启动独立浏览器实例（需单独配置登录凭证），是 Python 库 + Playwright 方案，拥有 78k+ GitHub Stars 的成熟生态。BrowserSkill 复用你真实浏览器的登录状态，CLI（Rust）+ 浏览器扩展双组件，Agent 在独立窗口中操作不中断你的工作。选择取决于场景：需要成熟生态选 Browser Use，需要复用登录态选 BrowserSkill。

Q2: bsk CLI 支持哪些命令？

bsk run 让 Agent 执行浏览器任务，bsk list 列出可用的浏览器标签页，bsk borrow 借用特定标签页，bsk return 归还标签页。CLI 通过本地端口与浏览器扩展通信，所有数据不出本地。

来源：GitHub README

Q3: BrowserSkill 支持移动端浏览器吗？

不支持。目前仅支持桌面版 Chrome 和 Edge。Firefox 和 Safari 支持计划中。移动端浏览器因扩展机制差异暂不在路线图中。

来源：GitHub README

Q4: 多个 Agent 能同时使用 BrowserSkill 吗？

可以。多个 Agent 可以同时借用不同标签页并行工作，每个 Agent 在独立窗口中操作。但注意浏览器性能——大量并行操作可能拖慢浏览器响应。

来源：GitHub README

Q5: BrowserSkill 会收集我的浏览数据吗？

不会。CLI 与浏览器扩展通过本地端口通信（localhost），所有数据不上传云端。Agent 仅在借用窗口中操作，无法访问其他标签页内容。项目采用 MIT 开源协议，代码完全透明。

来源：GitHub LICENSE

Q6: 遇到验证码时 Agent 如何处理？

Agent 检测到验证码、登录确认等需要人类判断的场景时，自动暂停并请求人类接管。这是 BrowserSkill 内置的 human-in-loop 机制。接管完成后 Agent 继续执行剩余任务。

来源：GitHub README

Q7: BrowserSkill 支持哪些操作系统？

跨平台支持 macOS、Linux、Windows。CLI 用 Rust 编写，编译为单一二进制文件，无需额外运行时依赖。浏览器扩展从 Chrome Web Store 或 Edge Add-ons 安装。

来源：GitHub README / GitHub crates/

⚙️ 进阶配置详解

指定 Chrome Profile

如果你的 Chrome 使用多个 Profile（如工作和个人分离），需要告诉 BrowserSkill 使用哪个：

bsk config set profile "Profile 1"

或在每次运行中指定：bsk run --profile "Default" "打开 GitHub 创建 issue"

来源：GitHub docs/

配置操作超时

Agent 长时间占用标签页可能影响你的工作，可设置操作超时：

bsk config set timeout 120

超时后 Agent 自动中断当前操作并归还标签页。默认无超时限制。

敏感操作确认规则

为支付、删除、修改权限等敏感操作配置人工确认：

bsk config set confirm-domains "payment.example.com,admin.example.com"

Agent 访问这些域名时会暂停等待人工确认。这是 human-in-loop 机制的配置化实现。

自定义 Agent 集成

BrowserSkill 通过 bsk CLI 命令与 Agent 交互，可在任意 Agent 的配置文件中添加：

{
  "tools": {
    "browser": "bsk run"
  }
}

支持 Cursor Rules、Claude Code MCP config、Hermes Agent skills.json 等多种 Agent 配置格式。

来源：GitHub README