Nanobrowser 浏览器自动化
用自有模型密钥在 Chrome 或 Edge 中执行多智能体网页自动化。
- Star 数
- ★ 14k
- 最近更新
- 13 天前
- License
- Apache-2.0
- 主语言
- TypeScript
- FA 评分
- 41/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 研究人员需要汇总 TechCrunch 过去 24 小时的 10 条头条时，可在侧边栏直接下达提取任务。
- 不适合
- 只使用 Firefox、Safari 或 Opera、Arc 等非 Chrome/Edge 浏览器的用户
- 不愿自行申请并支付 LLM API 密钥费用的用户
这个 Agent 能做什么，适合哪些场景？
Nanobrowser 是运行在浏览器中的开源 AI 网页自动化 Chrome 扩展，也支持 Edge。它通过侧边栏聊天界面接收任务，并显示执行过程中的实时状态。系统由 Planner 和 Navigator 等专职智能体协作，可为不同智能体配置不同模型。用户添加自己的 LLM API 密钥后，自动化在本地浏览器中执行；项目宣称凭据不会交给其云服务。它还提供追问和会话历史管理，适合需要让浏览器完成跨网站重复操作的用户。
安装扩展后，用户点击工具栏中的 Nanobrowser 图标打开侧边栏，在 Settings 中添加 LLM API keys，并为 Navigator 与 Planner 选择模型。用户以自然语言输入任务；Planner 负责规划，Navigator 执行网页导航类工作，协同完成网页自动化流程。侧边栏提供实时状态更新，任务完成后可继续提出与该任务相关的 follow-up questions，并在 Conversation History 中访问和管理交互记录。README 给出的任务示例包括提取 TechCrunch 过去 24 小时的前 10 条新闻标题、寻找 GitHub 热门 Python 仓库，以及按价格和续航条件筛选 Amazon 商品。
- 研究人员需要汇总 TechCrunch 过去 24 小时的 10 条头条时，可在侧边栏直接下达提取任务。
- 开发者需要调研 GitHub 上星标较多的热门 Python 仓库时，可让扩展执行网页研究流程。
- 消费者要在 Amazon 寻找价格低于 50 美元、具备防水设计且续航至少 10 小时的蓝牙音箱时，可用自然语言描述筛选条件。
- 经常在多个网站重复执行浏览和信息收集任务的个人，可为 Planner 和 Navigator 分别配置合适的模型来平衡成本与能力。
- 重视本地浏览器执行与自持 API 密钥的用户，可选择 Ollama 或自定义 OpenAI-compatible provider 配置本地模型。
如何安装或部署这个 Agent？
稳定版：从 Chrome Web Store 安装 Nanobrowser，点击“Add to Chrome”并确认。最新版手动安装：下载官方 GitHub release 中的 nanobrowser.zip，解压后在 Chrome 打开 chrome://extensions/，启用 Developer mode，点击 Load unpacked，并选择解压后的 nanobrowser 文件夹。源码构建：需 Node.js v22.12.0 或更高版本及 pnpm v9.15.1 或更高版本，然后运行：
git clone https://github.com/nanobrowser/nanobrowser.git
cd nanobrowser
pnpm install
pnpm build构建产物位于 dist 目录，按手动安装步骤加载。首次使用时打开侧边栏的 Settings，添加 LLM API keys，并为 Navigator 和 Planner 选定模型。
如何使用这个 Agent？
点击浏览器工具栏中的 Nanobrowser 图标打开侧边栏。进入 Settings 添加所选提供商的 API key，并分别选择 Planner 与 Navigator 使用的模型。随后在聊天界面输入具体网页任务，例如“Go to TechCrunch and extract top 10 headlines from the last 24 hours”。通过实时状态观察执行；完成后可针对结果继续提问，或在 Conversation History 中管理此前对话。若使用本地模型，可配置 Ollama 或其他 custom OpenAI-compatible provider；README 建议将复杂任务拆成清晰、具体的步骤。
这个 Agent 有哪些优点和局限？
- 可分别为 Planner 和 Navigator 选择模型，便于按推理能力、导航效率与成本分配模型。
- 支持 OpenAI、Anthropic、Gemini、Ollama、Groq、Cerebras、Llama 及自定义 OpenAI-compatible providers。
- 以浏览器扩展和交互式侧边栏交付，包含实时状态、追问与会话历史，而非仅提供一次性脚本。
- README 将执行边界描述为本地浏览器，且采用用户自有 API key。
- 官方完整支持仅限 Chrome 和 Edge；Firefox、Safari 及 Opera、Arc 等其他 Chromium 浏览器被列为不支持。
- 必须自行提供 LLM API key；虽然扩展本身免费，模型调用仍由用户向所选提供商付费。
- 成本优先的模型组合对复杂任务可能更不稳定，并可能需要更多迭代。
- 从源码构建要求 Node.js 22.12.0+ 与 pnpm 9.15.1+；Chrome Web Store 版本也可能因审核而落后于最新版本。
这个 Agent 与同类方案有什么区别？
项目将自身定位为 OpenAI Operator 的免费替代方案。其明确差异是使用用户自有 API key、可为不同智能体选择模型，并在本地浏览器中运行；README 不提供两者的基准测试或功能对照。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Nanobrowser 浏览器自动化 当前 | 41 · 缺口较多 | 浏览器扩展免费 + 模型费 | ★ 14k | 13 天前 | TypeScript | OpenAI API · Claude API |
| Browsentic | 67 · 存在缺口 | — | ★ 274 | 10 天前 | TypeScript | Codex · Claude Code |
| dsh Browser Control（dsh 浏览器助手） | 55 · 缺口较多 | 浏览器扩展免费 + 模型费 | ★ 987 | 1 个月前 | TypeScript | — |
| WebBrain | 65 · 存在缺口 | 浏览器扩展免费 + 模型费 | ★ 1.7k | 今天 | JavaScript | Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：README声称隐私优先、本地执行、用户控制，但未提供具体实现细节。存在安全政策（SECURITY.md）和依赖覆盖（package.json中的overrides），但未提供权限清单或数据流说明。扣分原因：缺乏代码级证据支持权限最小化、用户确认、数据流透明等声明；未提及回滚机制；发布者身份未验证。
证据显示：README和package.json提供构建和运行说明，但未提供错误处理或失败消息的细节。扣分原因：静态审查无法验证自洽性、依赖可用性或失败消息的实际质量；仅基于文档描述。
证据显示：README详细描述了目标受众（寻求OpenAI Operator替代品的用户）、使用场景（新闻摘要、GitHub研究、购物研究）和环境要求（Chrome、Node.js、pnpm）。扣分原因：能力边界未明确说明，触发精度（如任务指令的精确性）未详细描述。
证据显示：README提供安装、构建、配置说明，包含示例和社区链接；LICENSE为Apache-2.0；package.json包含版本号。扣分原因：缺少变更日志、已知限制部分不明确、维护责任未明确（发布者未验证）。
证据显示：README声称免费、开源、隐私友好，提供多LLM支持和本地模型选项，具有成本效益。扣分原因：输出可用性（如生成结果的质量）未提供具体证据；边际价值基于声明而非实测。
证据显示：README包含功能声明和社区测试链接，但未提供可追溯的验证数据。扣分原因：声明缺乏独立验证，事实与推断未明确区分。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 发布者身份未验证，需谨慎对待来源。
- README中的隐私和本地执行声明缺乏代码级证据，需进一步审查。
- 未提供权限清单或数据流说明，可能涉及过度权限。
- 依赖安全仅通过overrides部分缓解，需检查完整依赖树。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v0.3.0 Nanobrowser v0.3.0
发布说明摘录
Nanobrowser v0.3.0 Nanobrowser 0.3 is rebuilt from the ground up: one agent in the side panel, on top of a new browser control layer that clicks the right element, acts like a real user and reports what really happened. What's new - CDP. The new browser control is rebuilt with chrome.debugger API, it uses CDP to interact with elements in web pages. It's more stable than the previous injected scripts solution. - One agent, one chat per tab. The old planner and navigator are replaced by a single agent. Several tasks can run side by side, each in its own tab group. …在 GitHub 查看 ↗ -
发布说明摘录
What's new - Built with WXT: the extension is now a single package built with WXT instead of a multi-package monorepo. Development mode reloads pages instantly and reloads the extension automatically. - New AI engine: LLM calls now run on the Vercel AI SDK instead of LangChain. Structured output is more reliable with Anthropic, Gemini 3, DeepSeek and GPT-6 models. - Reasoning effort: models that support it now use a reasoning effort setting instead of temperature and top P. - Updated default models for OpenAI, Anthropic, Gemini, Grok, DeepSeek and Ollama. …在 GitHub 查看 ↗ -
发布说明摘录
What's Changed * feat(i18n): add Portuguese (Brazil) language support #214 by @Marcos934 in https://github.com/nanobrowser/nanobrowser/pull/217 and @alexchenzl in https://github.com/nanobrowser/nanobrowser/pull/220 * feat: Replace emoji icons with professional React icons in settings by @Darkmintis in https://github.com/nanobrowser/nanobrowser/pull/222 * Enhance coding assistant guidance and discoverability by @PeterDaveHello in https://github.com/nanobrowser/nanobrowser/pull/225 …在 GitHub 查看 ↗