OpenBrowser

这个 Agent 能做什么，适合哪些场景？

OpenBrowser（GitHub：billy-enrizky/openbrowser-ai，MIT 许可）是一个 AI 浏览器自动化框架。它的核心是 CodeAgent 架构：LLM 在一个类似 Jupyter 的持久命名空间中编写 Python 代码，通过原生 CDP（Chrome DevTools Protocol）直接控制浏览器，实现导航、点击、填表、抓取等操作。它以 PyPI 包（openbrowser-ai）分发，支持 CLI 守护进程、可直接导入的 Python 库、内置 MCP 服务器，以及面向 Claude Code、Codex、OpenCode、OpenClaw 的插件与技能集成。项目支持 15 家 LLM 提供商（OpenAI、Anthropic、Google、Groq、AWS Bedrock、Azure、Ollama、DeepSeek 等），并自动检测本机已安装的 Chromium 系浏览器。官方基准测试显示其 Token 消耗比 browser-use、Playwright MCP、Chrome DevTools MCP 等方案低 2 至 6 倍。此外项目还包含 FastAPI 后端 + Next.js 前端的全栈云端部署方案，以及两项基于强化学习的浏览器 Agent 微调研究。

OpenBrowser 读取用户给出的任务描述或代码，运行流程如下：CLI 通过 uvx openbrowser-ai -p "任务" 启动 LLM Agent，或用 -c 标志连接 Unix socket 上的持久浏览器守护进程直接执行代码；MCP 模式（uvx openbrowser-ai --mcp）向 Claude Desktop、Claude Code 等客户端暴露单一 execute_code 工具，LLM 在持久命名空间中编写 Python，调用预置函数（navigate、click、input_text、click_xy、evaluate、download_file、done 等）操作浏览器。库模式下可用 CodeAgent(task=..., llm=ChatGoogle(...)) 或直接操作 BrowserSession / BrowserProfile（支持 headless、viewport、proxy、录像目录等配置）。输出包括提取的数据、页面截图、Jupyter notebook / API 爬虫代码导出以及 ffmpeg 录制的会话视频。浏览器状态（cookie、登录态）保存在 ~/.config/openbrowser/profiles/ 下，跨会话复用；云端方案则提供 VNC 实时画面、KMS 加密的已存登录、EventBridge + SQS 定时工作流和 SES 邮件通知。

1. 数据工程师需要从 Walmart 等电商页面批量抓取商品数据并处理分页
2. 运营或个人用户想自动完成航班预订、多步表单填写等重复性网页流程
3. Claude Code 用户安装插件后获得 7 项技能：深度研究、网页抓取、表单填写、端到端测试、页面分析、可访问性审计、文件下载
4. QA 工程师用 e2e-testing 技能模拟用户交互来测试 Web 应用
5. 研究人员通过 MCP 模式（无需外部 LLM API 密钥，由 MCP 客户端提供智能）让任意 AI 助手操作浏览器
6. 开发者用工作流录制功能把浏览器操作导出为 Jupyter notebook 或 API 爬虫代码

如何安装或部署这个 Agent？

macOS / Linux 一键安装：

curl -fsSL https://raw.githubusercontent.com/billy-enrizky/openbrowser-ai/main/install.sh | sh

Windows PowerShell：

irm https://raw.githubusercontent.com/billy-enrizky/openbrowser-ai/main/install.ps1 | iex

Homebrew：

brew tap billy-enrizky/openbrowser
brew install openbrowser-ai

pip 或 uv（推荐）：

pip install openbrowser-ai

uv pip install openbrowser-ai

无需单独安装浏览器：OpenBrowser 会自动检测已安装的 Chrome/Edge/Brave/Chromium；未找到且可用 uvx 时，首次运行会自动安装 Chromium。运行需要 Python 3.12+，并至少配置一个 LLM API 密钥，例如：

export GOOGLE_API_KEY="..."

作为 Claude Code 插件安装：

claude plugin marketplace add billy-enrizky/openbrowser-ai
claude plugin install openbrowser@openbrowser-ai

如何使用这个 Agent？

以 Python 库方式运行 CodeAgent：

import asyncio
from openbrowser import CodeAgent, ChatGoogle

async def main():
    agent = CodeAgent(
        task="Go to google.com and search for 'Python tutorials'",
        llm=ChatGoogle(model="gemini-3-flash"),
    )

    result = await agent.run()
    print(f"Result: {result}")

asyncio.run(main())

通过 CLI 用持久守护进程直接执行代码：

uvx openbrowser-ai -c "await navigate('https://example.com')"
uvx openbrowser-ai -c "print(await evaluate('document.title'))"

守护进程变量跨调用持久，10 分钟无活动后自动关闭；管理命令包括 daemon start/stop/status/restart。以 MCP 服务器方式接入 Claude Code，在项目 .mcp.json 中添加：

{
  "mcpServers": {
    "openbrowser": {
      "command": "uvx",
      "args": ["openbrowser-ai", "--mcp"]
    }
  }
}

常用环境变量：OPENBROWSER_HEADLESS（默认 true）、OPENBROWSER_ALLOWED_DOMAINS（域名白名单）、OPENBROWSER_USER_DATA_DIR（持久 Chrome 配置目录）、OPENBROWSER_MAX_OUTPUT（单次执行最大输出字符，默认 10000）。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

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。

1. v0.1.54 v0.1.54: Fix daemon startup hangs with persistent browser profiles 2026-09-21
   发布说明摘录

   What's New - Fixes daemon startup hangs when a persistent Chrome profile contains a large storage snapshot. - Keeps daemon browser initialization and failed-start cleanup bounded. Details - Managed daemon profiles no longer replay an implicit storage-state snapshot into the same persistent Chrome profile. - Explicit storage-state configuration remains supported. - A stuck cleanup queues the normal forced browser-stop event and cannot hold the startup request indefinitely. - Plugin and MCP metadata are synchronized to version 0.1.54. …

   在 GitHub 查看 ↗
2. v0.1.53 v0.1.53: MCP browser ownership and profile isolation 2026-09-21
   发布说明摘录

   What's New - Prevent concurrent MCP browser instances from interfering with or terminating one another. - Give managed MCP instances isolated browser profiles by default. - Enforce browser ownership during cleanup so only the owning instance can remove its processes. Details - Adds ownership markers and leases for managed browser profiles. - Rejects conflicting ownership of an explicitly shared profile. - Synchronizes the Claude plugin and MCP Registry metadata to version 0.1.53. Full Changelog: https://github.com/billy-enrizky/openbrowser-ai/compare/v0.1.52...v0.1.53

   在 GitHub 查看 ↗
3. v0.1.52 v0.1.52: Cap MCP SDK at compatible major 2026-09-20
   发布说明摘录

   What's New - Fix CI and runtime compatibility by keeping OpenBrowser on the supported MCP SDK major version. - Add a regression test so future dependency updates cannot silently select an incompatible MCP SDK major. Details - MCP dependencies are constrained to >=1.0.0,<2.0.0. - The lockfile is regenerated with the compatible SDK range. - No migration steps are required for existing users. Full Changelog: https://github.com/billy-enrizky/openbrowser-ai/compare/v0.1.51...v0.1.52

   在 GitHub 查看 ↗

常见问题