BrowserSkill：让 AI Agent 借你已登录的浏览器标签页

如果你用 Cursor、Claude Code 或者 Codex 这类工具去操作一个需要登录的网站，它多半会停在登录页，然后问你要账号密码，或者干脆告诉你它做不了。BrowserSkill 换了个做法，从你已经登录的浏览器里借一个标签页，任务结束再还回去。

Agent 操作浏览器，卡在哪里

大多数浏览器自动化工具会给 Agent 一个空白浏览器。登录态要重新建，验证码要重新过，确认弹窗要重新处理。BrowserSkill 复用你已经登录的浏览器。需要 Agent 操作你已打开的标签页时，它显式借用那个标签，任务结束后归还，其余浏览器窗口不受影响。

Agent 的浏览器任务跑在一个独立可见的 Agent Window 里。你继续用你自己的浏览器，两边不打架。

遇到 captcha、登录、确认弹窗这些必须由人处理的步骤，Agent 可以主动请求你接管，完成后再继续。文件里把这个叫内置 human-in-loop。

BrowserSkill 对 Agent 没有绑定。只要 Agent 能调用 Shell，就可以通过 bsk CLI 使用它，不限制特定模型、Agent 框架或 harness。

它怎么做到不打断你

Agent 不直接与浏览器通信。它通过 bsk CLI 下发浏览器任务。本地 daemon 把请求路由到扩展，扩展在 Agent Window 中执行。DeepSeek Harness 走同一条链路，只是经由插件，Agent 调用注入的 browser_* 工具，由插件代为执行 bsk。

具体链路是这样的。Agent 在 shell 里调用 bsk，bsk CLI 走本地 IPC 到 bsk daemon，daemon 通过 127.0.0.1 WebSocket 连到 BrowserSkill 扩展，扩展在 Agent Window 中做自动化，只在请求时借用标签页。

这套东西全在本地跑。CLI 和 daemon 是本机组件，扩展是浏览器组件。

装起来分几步

先装 CLI，再装浏览器扩展，最后装 skill。

CLI 安装，macOS 和 Linux 推荐装到 ~/.local/bin：

curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh
export PATH="${BSK_INSTALL_DIR:-$HOME/.local/bin}:$PATH"

Windows 用 PowerShell：

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

那个 export 让当前 Unix shell 能找到 CLI。正在运行的 Agent 可能需要在每次 Shell 调用中设置同样的 PATH，或者用安装后二进制的绝对路径。Agent 安装后如果还沿用旧 PATH，重启 Agent。装完在终端或 Agent 环境里跑 bsk --version 验证。

浏览器扩展从 Chrome Web Store 或 Edge 加载项商店装。其他基于 Chromium 的浏览器，装 Chrome Web Store 版本即可。

skill 用来教 Agent harness 怎么用 bsk。跑 bsk install-skill，用 Space 选择需要安装的 harness，Enter 安装。bsk install-skill --list 可以看 internal 变体和安装路径。非交互安装显式指定目标，比如 bsk install-skill --harness cursor --json。即使没检测到该 harness，也可以显式选择。单独用 --yes 会装到所有检测到的 harness，一个都没检测到会报错。

自定义指令用 bsk install-skill --harness cursor --source ./SKILL.md。显式指定 --source 的安装始终视为自定义，即使内容跟内置 skill 相同。已有安装默认跳过，加 --force 才覆盖。

skill 的自动更新有个边界。daemon 启动、session start 和 doctor 会检查已安装的 skill，只有文件内容仍与上次安装或同步时一致，才继续自动更新。检测到本地编辑会保留文件并暂停更新。没有内容基线的历史安装，只有与当前内置 skill 字节级一致时才自动纳入管理，此时只补齐来源标记，不重写 SKILL.md。明确的自定义安装即使内容相同，也不会被自动纳入管理。

对于内容不同的历史文件、本地编辑或无法识别的来源标记，doctor 会显示 WARN，说明暂停原因及恢复方法。这类警告不会让健康检查失败，--json 中为 status: "warn"、ok: true。其他安装或同步正在进行时，本次同步会推迟到后续再试。

想把当前指令保留为明确的自定义安装，跑 bsk install-skill --harness cursor --source <existing-SKILL.md> --force。想恢复内置 skill 并重新启用自动更新，跑 bsk install-skill --harness cursor --force，不带 --source。后一条会覆盖现有指令。

其他支持 Shell 的 Agent harness 也能用 BrowserSkill，手动把 skill/SKILL.md 复制到对应 skills 目录下的 browser-skill/SKILL.md。DeepSeek Harness 走独立插件，后面说。

验证连接跑 bsk doctor，按提示处理，打开扩展弹窗确认已连接。测试浏览器操作前，说明警告并解决失败项。没安装任何 skill 时，doctor 仍可能通过，该项为 N/A，skill 是否被发现需要单独验证。

启动一个新的 Agent 会话，确认 harness 中可用 browser-skill，再让它打开 https://example.com 并总结页面。支持斜杠命令的 harness 可以试：

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

首次使用验证应该成功读取页面，并停止本次 BrowserSkill session。如果找不到 skill，先检查目标 harness 和安装路径，再重试。

沙盒环境要提前配

如果 Agent 沙盒会在每条命令结束后回收后台进程，要在宿主侧保持 daemon 存活，沙盒内通过共享的 BSK_HOME 和 BSK_AUTO_START=0 连接。普通本地环境默认自动启动，不用额外配置。文件里有一份沙盒环境配置说明，docs/sandboxed-agents.md。

两个开关决定 Agent 能不能绕过你

插件弹窗有两个默认开启的独立设置。借用标签页前确认、允许请求人工协助。用户在插件中保存的设置对所有会话有最终决定权。

四种组合分别对应不同行为。借用确认开、人工协助开，借用需要确认，求助正常弹窗。借用确认开、人工协助关，借用需要确认，求助返回 disabled。借用确认关、人工协助开，借用免确认，求助正常弹窗。借用确认关、人工协助关，借用免确认，求助返回 disabled。

设置自动保存到当前浏览器配置，对已有和新建会话生效。关闭借用确认会放行待确认请求。关闭人工协助会把等待中的求助结束为 disabled。重新打开开关后，后续操作恢复对应行为，包括通过旧参数 --unattended 创建的会话。已完成的借用不会撤销，已结束的求助不会重新弹出。

允许人工协助意味着 request-help 可用，不代表每个浏览器操作都必须先请求许可。任务授权和宿主审批仍然有效。

正常使用 bsk session start，需要后台打开 Agent Window 时加 --no-focus。无人值守由用户在插件中关闭相应开关。--unattended、tab borrow --no-confirm、BSK_REQUEST_HELP=off 保留兼容识别，但已弃用，不能覆盖插件开关。CLI 使用这些输入时会输出说明，Daemon 也会为自身继承的旧环境设置记录说明。原先只依靠这些输入避免等待的脚本，现在需要遵循浏览器设置。session start --json 和 session list --json 返回浏览器实际的 interaction 策略。

关闭人工协助后，request-help 返回 disabled，不代表用户已完成操作。技能会引导 Agent 重新观察页面，利用现有登录态、已授权输入和可用工具尽力完成已授权的步骤。任务授权和宿主规则允许时，具备视觉能力的模型可以尝试图形验证。手机扫码、人脸验证、无法获取的短信验证码，以及纯文本模型无法识别的图形验证码可以报告受阻。关闭协助不增加授权，也不能仅因求助不可用就将任务判为完成或受阻。

偏好读取失败时，后台保留已有有效值。尚无有效值时按两项开启处理，不写回默认值，也不阻止新建会话。后续请求会重试读取，存储变更也能恢复策略。弹窗保留读取错误提示并禁止保存，写入失败不会被当作成功。浏览器未连接时返回连接错误，不会根据命令行参数或环境变量在本地伪造 disabled。

tab borrow --timeout 60s 只设置确认等待时间，不决定是否需要确认。协议 1.3 保持与协议 1.0–1.2 的连接兼容，分步升级时仍可创建普通会话、使用默认等待时间借用标签页。插件会提示旧 Daemon 的兼容限制，bsk status 也会显示协议差异。自定义借用等待时间要求 Daemon 和扩展都支持协议 1.2 或更高版本。不支持时只限制这次操作，并提示升级。旧 Daemon 的默认借用等待预算可能仍较短。

新版 CLI 的 request-help 要求 Daemon 协议 1.3，因为旧 Daemon 可能在本地返回而不询问浏览器。该限制不会断开浏览器连接，也不影响其他操作。CLI、实际运行的 Daemon 和扩展都更新后，完整执行上述设置优先级。新版扩展始终按保存的开关处理它收到的请求。旧 CLI 可能在连接 Daemon 前就因 BSK_REQUEST_HELP=off 本地返回。混用版本时保留这类历史行为，只升级扩展无法改变旧可执行文件的行为。

升级到 0.3.0 时要注意，--unattended、tab borrow --no-confirm 和 BSK_REQUEST_HELP=off 不再跳过确认或关闭人工协助。请在扩展中选择对应设置。

升级和长截图

默认本地配置下，先结束正在执行的浏览器任务，再更新：

bsk update --yes

Windows 如果提示更新已暂存（staged），等替换完成后再检查 bsk --version。

这个命令安装新版本时，会以默认启动配置重启正在运行的 daemon。如果通过安装脚本替换了二进制，则在任务结束后运行 bsk daemon restart，重启已有 daemon。

自定义端口、宿主管理的沙盒 daemon 或远程服务器，先在所属宿主环境或进程管理器中停止 daemon，运行 bsk update --yes --no-restart-daemon，再以原有参数和 BSK_HOME 在那里启动。维护期间，在 Agent 命令中设置 BSK_AUTO_START=0。

扩展通过浏览器商店更新。开发时加载的解压版本需要重新构建并重新加载。商店版本可能晚于 CLI 上线。用 bsk --version 和 bsk status 核对 CLI、daemon 和扩展版本，再运行 bsk doctor。长截图等新功能需要匹配的版本。DSH 插件需要单独更新，并重启对应 profile。受管理的 CLI skill 会在 daemon 启动、session start 或 doctor 时同步。本地编辑和自定义 skill 会保留。启动新的 Agent 会话以加载更新后的指令。

长截图可以在插件的快捷功能 → 长截图里截，也可以让 Agent 调用：

bsk screenshot --session <id> --full-page --out page.png

默认采集与编码超时为两分钟，长页面可以加 --timeout 5m。支持 Ctrl-C 取消，结束后恢复原始滚动位置。需要用同一版本的 CLI 和扩展，详见长截图说明 docs/long-screenshot.md。

DeepSeek Harness 插件

在用 DeepSeek Harness（dsh）的话，BrowserSkill 提供了官方 dsh 插件，已发布到 npm：@wxg-prc-cpg/browser-skill-dsh-plugin。它为 Agent 提供原生 browser_* 工具，由插件代为调用 bsk，并在 Web UI 中实时展示浏览器会话。

先安装 bsk CLI 并连接浏览器扩展，再把插件装进 dsh profile 并启动，将 web 替换为你的 profile 名称：

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

插件自带 browser-skill skill，所以在 dsh 下无需执行 bsk install-skill。已安装的插件不会自动更新，升级此插件运行：

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

升级后重启该 profile。用法与配置见插件 README，packages/dsh-plugin-browserskill/README.md。

运行环境和开发者视角

操作系统支持 macOS（Apple Silicon 和 Intel）、Linux（x64 和 ARM64）、Windows x64。浏览器已支持 Chrome 和 Microsoft Edge，其他支持加载 Chromium 扩展的浏览器通常可用，Firefox 计划中。

本仓库是 Cargo + pnpm workspace。crates/bsk-cli 是 bsk CLI 与本地 daemon，crates/bsk-protocol 是共享协议类型与 JSON Schema，apps/extension 是浏览器扩展，packages/ui 和 packages/i18n 是扩展 UI 共享支持，包含英文、简体中文和韩语本地化，packages/dsh-plugin-browserskill 是 DeepSeek Harness 插件，evals/browser 是确定性本地页面与 Agent 无关的浏览器能力测试台。

MIT 许可。