FSB 全自主浏览
用自然语言驱动 Chrome 的 DOM 优先浏览器自动化扩展，可通过本地 MCP 桥接被多种 AI 客户端直接调用。
- Star 数
- ★ 190
- 最近更新
- 18 天前
- License
- MIT
- 主语言
- JavaScript
- FA 评分
- 49/100 · 缺口较多
30 秒速览
- 可在哪里用
- 通用 · 跨平台Codex · Claude Code · OpenAI API · Claude APIClaude.ai（部分支持）
- 开始前需要
- 典型场景
- QA 或前端工程师需要对同一段页面流程反复回归，可以用 FSB 重放点击、填表与状态切换，并从日志中收集每一步的动作记录。
- 主要局限
- 强依赖本机浏览器：触发器、PhantomStream 预览与坐标工具都要求 Chrome 与扩展保持运行，没有服务端监控或推送，无法做无人值守的长时任务。
- 源码审查
- 49/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
FSB（Full Self Browsing）是一个以 DOM 结构为核心的 Chrome 清单 V3 扩展（当前版本 0.9.91），用自然语言描述任务后，扩展会读取当前页面的 DOM、选择器、表单与 ARIA 标签，规划工具调用，执行点击、输入、导航等浏览器动作，并在动作后校验页面状态。它配套发布了 fsb-mcp-server 这个本地 MCP 桥接服务，对外注册 69 个工具，让 Claude Code、Codex、Cursor、VS Code、Windsurf 等客户端通过 ws://localhost:7225 驱动同一个扩展运行时。扩展自身也可独立运行，只需在弹窗或侧边栏填入 xAI、Gemini、OpenAI、Anthropic、OpenRouter、LM Studio 或自定义 OpenAI 兼容端点的密钥即可。除 DOM 自动化外，它还提供 128 个应用的 T1/T1b 首批方 API 能力目录、真实文件上传、触发器监视、长期记忆与会话回放。整体运行在你的本地浏览器和本地进程中，不需要托管账号，代价是必须保持 Chrome 与扩展处于打开状态。
扩展的后台 Service Worker（extension/background.js）掌管会话状态、模型调用与工具执行；内容脚本（extension/content/）负责抓取 DOM 快照、生成元素引用与选择器、执行动作并通过 PhantomStream 适配器回传页面状态。AI 层（extension/ai/）走统一的 OpenAI 兼容请求通道，负责模型发现、工具定义、转录记录与成本核算。工具执行路径覆盖 click、type_text、press_key、scroll、navigate、标签页操作、表格区域、坐标工具、execute_js 以及通过 CDP DOM.setFileInputFiles 实现的 upload_file，动作后会用 read_page 或 get_dom_snapshot 校验结果并检测卡死重复。MCP 侧暴露视觉会话、自动驾驶、触发器监视、手动控制、只读检查、开发者截图、能力搜索与调用、可观测性回放、凭据保险箱等分组工具；mutation 工具串行化以免两个客户端同时操作，只读工具在安全时绕过队列。新增的 search_capabilities 与 invoke_capability 会在 128 应用目录中检索，只有签名校验、审计与拒绝名单门禁通过的 T1/T1b 能力才会直接执行。长期记忆分为情景、语义、流程三类，任务结束后从会话转录中提取并按域与关键词检索复用。
- QA 或前端工程师需要对同一段页面流程反复回归，可以用 FSB 重放点击、填表与状态切换，并从日志中收集每一步的动作记录。
- 研究人员要跨多个页面收集可见文本并汇总，可直接用 read_page 与 get_dom_snapshot 读取结构，而不必依赖截图识别。
- 运维或数据分析人员需要在结构化的后台表单中批量录入数据，可借助下拉框、自定义控件与表格输入工具完成填写并验证结果。
- 开发者想让 Claude Code 或 Codex 直接操控浏览器调试验收构建产物，可安装 fsb-mcp-server 后用 run_task 或手动工具链驱动本地 Chrome。
- 需要监控某个页面元素何时出现库存、阈值越界或内容变化时，可以用 trigger 系列的四个工具挂载单元素监视，并在 MCP 客户端接收阻塞或异步通知。
- 客户支持或运营人员希望在不写脚本的前提下完成商品比价、读取仪表盘表格或整理购物车，可以交给扩展的自动驾驶循环并在有监督的情况下操作。
如何安装或部署这个 Agent？
环境要求：Chromium 116+ 的稳定桌面浏览器（Chrome、Edge、Brave 或 Chromium）。
- 克隆并准备依赖：
git clone https://github.com/fullselfbrowsing/FSB.git
cd FSB
npm install
npm --prefix mcp install扩展本身无需构建步骤，直接用 extension/ 目录。
- 加载扩展：打开 chrome://extensions/，启用开发者模式，点击“加载已解压的扩展程序”，选择 extension/ 目录，然后点击工具栏图标并在设置中配置一个模型提供方（xAI、Gemini、OpenAI、Anthropic、OpenRouter、LM Studio 或自定义端点），用 Test API 验证连通性。
3.（可选）安装 MCP 桥接，一条命令写入客户端配置：
npx -y fsb-mcp-server@latest install --claude-code
npx -y fsb-mcp-server@latest install --claude-desktop
npx -y fsb-mcp-server@latest install --cursor
npx -y fsb-mcp-server@latest install --vscode
npx -y fsb-mcp-server@latest install --windsurf
npx -y fsb-mcp-server@latest install --codex
npx -y fsb-mcp-server@latest install --all添加 --dry-run 可预览而不写入。之后重启客户端，让新的 MCP 服务出现。走 MCP 时不需要 FSB 自己的 API key，推理由 MCP 客户端的模型完成。
如何使用这个 Agent？
独立使用：点击 FSB 工具栏图标打开弹窗或侧边栏，在设置中粘贴某家提供方的 API key，然后输入任务，例如 “Scroll down”“Search for cats on Google”“Read this page and summarize it”。建议先做只读任务，再做点击或输入任务，评估阶段保持视觉覆盖层开启。注意不要停留在 chrome:// 等浏览器内部页面。
通过 MCP 使用：先用 npx -y fsb-mcp-server@latest doctor 与 status --watch 确认桥接状态，再在客户端里发出指令。手动工具是大多数外部客户端的默认路径：先 read_page 或 get_dom_snapshot 了解页面，再用 execute_js 做安全 DOM 读取或触发点击，需要真实浏览器事件时用 click、type_text、press_key、drag，最后用快照校验；在最后一个动作上设置 is_final:true 可立刻清除覆盖层。需要 FSB 自己跑完整循环时用 run_task。扩展通过 ws://localhost:7225 连接桥接，可选 Streamable HTTP 模式暴露 http://127.0.0.1:7226/mcp。触发器会本地挂载在当前打开的浏览器会话上，Chrome 和扩展必须保持运行，FSB 不提供服务端监控或推送。
这个 Agent 有哪些优点和局限？
- DOM 优先路线带来明确的性能与成本差异：README 标称每步延迟 50–200 ms，而视觉方案为 1–3 秒，且隐藏元素在结构里仍然可见。
- MCP 集成开箱即用，一条 npx 命令即可为 Claude Code、Claude Desktop、Cursor、VS Code、Windsurf、Codex 写入配置，且走 MCP 路径时不需要额外的 FSB API key。
- 模型提供方覆盖广：xAI、Gemini、OpenAI、Anthropic、OpenRouter、LM Studio 本地模型以及自定义 OpenAI 兼容端点，并支持在线模型发现与 30 条回退模型。
- 工程细节相对完整：动作后校验、卡死检测、智能等待、串行化的 mutation 队列、审计日志，以及覆盖扩展、MCP 契约与桥接行为的 Node 测试。
- 具备真实文件上传能力，upload_file 通过 CDP DOM.setFileInputFiles 支持被样式化 dropzone 遮挡的 input，并配有敏感路径拒绝名单与不落盘路径的审计记录。
- 强依赖本机浏览器：触发器、PhantomStream 预览与坐标工具都要求 Chrome 与扩展保持运行，没有服务端监控或推送，无法做无人值守的长时任务。
- 能力目录并非全部可用：只有通过签名与审计门禁的 T1/T1b 能力可直接执行，其余命中会返回 learn-pending、discovery-pending 或 fail-closed 的待定响应。
- 自动驾驶在复杂或敏感站点上仍不稳定，README 明确建议在有监督的情况下使用，把 FSB 当作快速助手而不是生产级无人值守工人。
- 历史包袱与迁移风险：后台 agent 功能已退役，虽保留了旧的 chrome.storage.local['bgAgents'] 数据，但计划性或周期性自动化不再是活跃特性。
- API key 与 LLM 计费由用户自行承担，扩展不含任何内置额度；同时任务上下文会被发送到所选模型提供方，敏感页面需谨慎。
这个 Agent 与同类方案有什么区别？
README 明确提到 Project Mariner、Claude Computer Use 与 OpenAI Operator 依赖视觉理解，而 FSB 直接使用页面结构；在延迟、隐藏元素可见性和 token 成本上形成对照。此外，Native Capability Catalog 的灵感来自 OpenTabs。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|
| FSB 全自主浏览 当前 | 49 · 缺口较多 | ★ 190 | 18 天前 | JavaScript | Codex · Claude Code · OpenAI API · Claude API |
| WebBrain | 65 · 存在缺口 | ★ 1.1k | 4 天前 | JavaScript | Claude Code |
| Open Claude in Chrome | 40 · 缺口较多 | ★ 223 | 23 天前 | HTML | Claude Code |
| Obscura 无头浏览器 | 75 · 表现良好 | ★ 27k | 4 天前 | Rust | Claude.ai |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
README 声明了加密密钥、保险库解锁、脱敏、DOMPurify、能力签名/审计门、来源与上传路径拒绝清单、同意门等机制，且测试文件名（consent-gate、audit-log-no-secret、upload-path-denylist、network-capture-consent）与之一致，故 sensitive_data_handling 给 2。但 manifest 声明 host_permissions 为 <all_urls>，并含 tabs、scripting、system.memory、windows 等宽权限，未见最小权限收敛说明，least_privilege 仅 1。用户确认方面只有“supervised automation”“敏感来源额外确认”等文字，缺少可核验的确认流程细节，给 1。数据流透明仅 README 一段描述，无数据流图或字段级说明，给 1。依赖安全仅见 npm ci 与 lockfile 使用，无审计/SBOM/漏洞处置记录，给 1。外部效果（真实点击、上传、支付/凭证保险库）有审计与拒绝清单但无沙箱或影响范围界定，给 1。回滚仅“重装 MCP 配置是最后手段”等提示，无状态回滚机制，给 1。来源归属有 MIT 版权人与致谢（OpenTabs、Project Mariner），但发布者身份未验证、贡献者含 AI 名称，给 1。
self_consistency 给 2：版本号在 README、package.json、badge 中一致（0.9.91），CI 有 version:check 与 tag 绑定校验，但 README 同时出现“Engineering milestone 0.11.0”与 v0.9.91，存在版本叙事不一致。dependency_availability 给 1：依赖含私有作用域包 @full-self-browsing/phantom-stream、lattice 别名包与 @opentabs-dev/plugin-sdk，可用性依赖外部发布，静态无法确认。failure_messages 给 2：README 提供故障排查表、doctor/status 诊断命令，测试覆盖 recovery-messaging、restricted-tab、ownership-error-codes，但未见错误码目录。
audience_and_scenarios 给 2：明确列出 QA、研究、数据录入、电商、金融、触发器、开发者、无障碍等场景，并区分受监督使用。capability_boundaries 给 2：明确声明“不是隐身浏览器、爬虫农场或无人值守账号操作者”，并说明后台代理已退役、触发器需浏览器常开。trigger_precision 给 1：触发器仅描述单元素监视与阈值/正则/复合条件，缺少误触发与去抖的静态证据。environment_fit 给 2：明确 Chrome/Edge/Brave/Chromium 116+、Node>=24、MCP 客户端清单与本地端口，但 Windows 原生宿主构建依赖 MSVC，环境要求较重。
information_architecture 给 2：README 结构清晰，仓库布局表与架构图齐备。install_notes 给 2：提供一键安装、手动配置、dry-run、doctor 与前置条件。naming_stability 给 1：产品名 FSB/Full Self Browsing 与包名 fsb-mcp-server、fsb-full-self-browsing 并存，且存在“remote-control-rebrand”测试，命名演进痕迹明显。examples_and_faq 给 2：有快速开始示例、截图与故障排查表。known_limitations 给 1：仅零散提示（复杂站点不可预测、触发器需常开、HLS/DASH 延后），无集中限制清单。license 给 2：MIT 全文与 package.json 一致。versioning_changelog 给 2：有 CHANGELOG.md、mcp/CHANGELOG.md、版本同步脚本与 tag 发布流程。maintenance_responsibility 给 1：发布者未验证，仅个人作者与赞助链接，无治理或安全响应渠道。
output_usability 给 2：输出支持 Markdown、净化 HTML、Mermaid、Chart.js 与进度消息，并有弹窗/侧边栏/日志多界面。marginal_value 给 2：DOM-first 相对视觉方案在延迟与成本上有明确差异化定位，并叠加能力目录与触发器。cost_benefit 给 1：README 给出延迟对比但无实测基准或成本数据，且依赖多个私有包与较重环境，收益证据偏薄。
claim_traceability 给 1：多数能力声明指向文件或测试名，但“已测试、测试全绿、生产可用”等结论无对应证据文件。cross_source_corroboration 给 1：README、package.json、CI 工作流在版本与测试链上部分互证，但安全与能力声明缺少第二来源。fact_inference_separation 给 1：README 将营销表述与工程事实混排（如“production ready”与“行为不可预测”并列），未区分已验证与推断。
- manifest 声明 <all_urls> 主机权限及 tabs/scripting/system.memory/windows 等宽权限，未见最小权限收敛说明，部署前应逐项核对权限必要性。
- 发布者身份未经验证，且 package.json 中作者邮箱为占位符（[email protected]），不应据此推断可信度。
- 依赖包含私有作用域包（@full-self-browsing/phantom-stream、lattice 别名、@opentabs-dev/plugin-sdk），其可用性与供应链风险无法静态确认。
- README 存在版本叙事不一致（v0.9.91 与 'Engineering milestone 0.11.0'），且 'production ready' 与 '行为不可预测' 并列，需以代码与 CI 为准。
- 能力目录、签名/审计门、同意门等安全机制仅有 README 与测试文件名佐证，未提供可核验的规范或审计样例。
- 触发器与 DOM 实时预览依赖 Chrome 与扩展常开，且 HLS/DASH 发现被推迟，实际可用范围可能小于描述。