Opensteer
让 AI 智能体通过简短 Python 命令操控本地或云端浏览器。
- Star 数
- ★ 260
- 最近更新
- 今天
- License
- MIT
- 主语言
- TypeScript
- FA 评分
- 54/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台
- 费用
- 免费,无需付费服务
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 需要让 AI 智能体在 Chrome 或 Edge 中导航、点击、输入并读取页面状态的自动化开发者。
- 不适合
- 不能允许智能体执行本地 Python 或 JavaScript 的团队
- 希望无 API 密钥使用 Opensteer Cloud 的用户
- 要求读取操作自动创建云端浏览器的工作流
- 官网
- opensteer.com ↗ 来自 GitHub 仓库设置
- 维护状态
- 近 30 天有提交最近提交 2026-11-20最新版本 desktop-v0.1.685(2026-11-18)近 7 天每天 +6.7 ★
- 源码审查
- 54/100 · 缺口较多
这个 Agent 能做什么,适合哪些场景?
Opensteer 是一个浏览器自动化框架,为 AI 智能体提供精简的 Python 命令接口以及可直接导入的辅助函数。它负责 CDP 通信、本地及云端浏览器连接、命名会话、标签页、截图、JavaScript 执行、点击、输入和滚动等底层能力。用户可通过 opensteer -c 执行短脚本,也可从 opensteer.helpers 导入函数编写可复用代码。项目目录则作为专用 harness,容纳 AGENTS.md、选择器、数据、API 客户端和自定义 Python 函数,使通用浏览器能力适配具体业务流程。它可以连接本地 Chrome 或 Edge,也能在配置 OPENSTEER_API_KEY 后连接 Opensteer Cloud 浏览器;浏览器传输位置与会话创建行为均可显式控制。
典型流程从 opensteer -c 执行 Python 片段开始:通过 open_browser()、use_browser() 或 list_browsers() 创建、选择或查看浏览器,随后用 new_tab() 和 wait_for_load() 打开并等待页面。智能体可调用 page_info() 检查页面,使用 goto_url()、click_at_xy()、type_text()、滚动及标签页操作与页面交互,也可通过 js() 执行 JavaScript、调用原始 CDP 方法或捕获截图。多个浏览器同时运行时,代码保留 open_browser() 返回的句柄,并通过可读标签区分会话。对于专用工作流,当前目录中的 tools.py、selectors.py、数据文件和 Markdown 指令提供领域逻辑,命令可直接导入这些本地模块并输出函数返回值、页面信息或截图。执行边界可选本地应用中的 auto、inapp、local 或 cloud;云端执行仅支持 auto 和 cloud。
- 需要让 AI 智能体在 Chrome 或 Edge 中导航、点击、输入并读取页面状态的自动化开发者。
- 为客服系统构建专用 harness 的团队,可将客户页面操作封装在
tools.py中。 - 需要通过 JavaScript、截图和原始 CDP 方法检查网页行为的 QA 或浏览器测试团队。
- 希望用命名会话分别保持研究、工作或不同网站浏览器上下文的多任务智能体开发者。
- 需要让多个销售、数据录入或研究工作流共享浏览器底层能力,同时各自维护选择器和数据的团队。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
curl -fsSL https://opensteer.com/install.sh | sh
- 环境变量
OPENSTEER_API_KEY
如何安装或部署这个 Agent?
在 shell 中运行官方安装脚本:
curl -fsSL https://opensteer.com/install.sh | sh安装后执行诊断,并尝试读取当前页面:
opensteer --doctor
opensteer -c "print(page_info())"如果本地浏览器尚未允许远程调试,运行设置向导;它会引导 Chrome 或 Edge 为当前配置文件启用远程调试:
opensteer --setup只有使用 Opensteer Cloud 浏览器时才需要配置 OPENSTEER_API_KEY;来源没有提供该变量的具体赋值命令。
如何使用这个 Agent?
打开网页、等待加载并打印页面信息:
opensteer -c "new_tab('https://example.com'); wait_for_load(); print(page_info())"在可复用 Python 代码中导入浏览器辅助函数:
from opensteer.helpers import goto_url, js, click_at_xy, type_text, wait_for_load同时使用多个浏览器时,保存返回的句柄:
opensteer -c "linkedin = open_browser(label='linkedin', profile='fresh'); linkedin.new_tab('https://linkedin.com')"配置 OPENSTEER_API_KEY 后,可以创建或连接云端浏览器:
opensteer -c "open_browser(label='research', profile='fresh'); new_tab('https://example.com')"opensteer -c "browser = open_browser(label='work', profileId='bp_...'); print(browser.page_info())"若只想查看或选择现有浏览器而不新建会话:
opensteer -c "print(list_browsers())"
opensteer -c "research = use_browser('research'); research.new_tab('https://example.com')"本地执行的智能体也可以明确请求云端浏览器:
opensteer -c "open_browser(label='research', profile='fresh', location='cloud')"专用 harness 可在工作目录中定义函数并由 CLI 直接导入:
# tools.py
from opensteer.helpers import goto_url, js, type_text, wait_for_load
def open_customer(customer_id):
goto_url(f"https://support.example.com/customers/{customer_id}")
wait_for_load()
return js("document.title")cd support-harness
opensteer -c "from tools import open_customer; print(open_customer('cus_123'))"这个 Agent 有哪些优点和局限?
- 同一套辅助函数覆盖 CDP、本地与云端连接、会话、截图、JavaScript 和常见页面交互,减少自行搭建浏览器桥接层的工作。
- 既提供适合短任务的
opensteer -c,也允许从opensteer.helpers导入函数,便于从实验脚本过渡到可复用代码。 - 浏览器层与工作流层明确分离:通用传输和交互由 Opensteer 负责,站点选择器、数据及业务函数保留在项目目录。
- 命名浏览器与显式句柄支持同时管理多个浏览器,会话复用与新建行为也可通过
mode控制。
- 本地连接依赖 Chrome 或 Edge 的远程调试配置;无法直接连接时需要额外运行
opensteer --setup。 - 云端浏览器需要
OPENSTEER_API_KEY,且云端执行不接受设备专用位置,只支持auto和cloud。 - 专用自动化不会开箱即用;采用者仍需自行维护
AGENTS.md、选择器、数据文件和业务函数。 - 该接口允许执行 Python、页面 JavaScript 和原始 CDP 调用,部署方必须自行管理这些高权限能力的执行边界。
- 来源未说明支持哪些 AI 模型平台,也未提供 ChatGPT、Codex、Claude 或其 API 的原生适配证据。
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。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Opensteer 当前 | 54 · 缺口较多 | 命令行工具免费 | ★ 260 | 今天 | TypeScript | — |
| Obscura 无头浏览器 | 68 · 存在缺口 | 命令行工具免费 | ★ 37k | 1 天前 | Rust | Claude.ai |
| Open Browser | 39 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 9.6k | 7 个月前 | TypeScript | ChatGPT · Claude.ai · OpenAI API · Claude API |
| Browser4 智能浏览器自动化 | 65 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 1.2k | 5 天前 | Kotlin | OpenAI API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
材料明确说明文件和凭据留在本机、密码与令牌的处理边界,并要求 OAuth 权限明确授权;浏览器、桌面控制及 Agent 可用 shell 等能力仍较强,证据没有覆盖完整权限模型,因此最小权限和外部影响仅得 1。安装及集成包含需用户配置或同意的步骤,得分 2;回滚证据主要是部分恢复流程,来源归属也只有安全报告入口及 MIT 版权声明,故各得 1。
CI、测试命令及失败时的安全分类有材料支撑,但未提供运行结果,故可复核性有限。README 称不提供云托管产品,而 package.json 描述为 durable cloud agents,存在产品定位不一致,self_consistency 得 1。版本和工具链有声明,但对外部引擎、浏览器和服务的可用性保障较薄,dependency_availability 得 1;OAuth 文档说明可操作的失败处理,failure_messages 得 2。
产品明确面向希望从手机远程操控本机 Agent 的用户,覆盖 Web、桌面、移动端、弱网和多种 Agent 场景。文档也说明权限边界及早期 alpha 限制;技能描述给出较明确的适用触发条件。平台和依赖要求有具体说明,但不同环境的完整兼容范围仍有限,因此各项得 2。
仓库通过 README、分主题文档及技能组织信息,安装步骤具体;但这是源码构建流程,尚不算普通用户的一键安装说明。名称和包描述有云端定位差异,示例与 FAQ 覆盖有限;已披露 alpha、签名和安全限制。MIT 许可证文本完整,得 3;版本号存在,但材料没有变更历史,维护责任仅能从私密漏洞报告入口看出,相关项得 1。
产品目标和主要输出是可理解的:在电脑上运行 Agent,并从其他设备操控,适用于多种编码 Agent 与浏览器/应用工作。多端接入和本机运行具有实际增益,但成本收益说明主要是“无需 API 账单”等主张;alpha、源码构建及平台工具链要求降低了现阶段可用性,故成本收益得 1。
README 的安装、安全和产品主张在 AGENTS.md、技能与 OAuth 文档中有部分对应支撑;CI 配置和源码入口也提供可追踪线索。材料区分了现状、限制和未来计划,但没有执行证据,且部分定位说法互相矛盾,所以三项均为 2 而非满分。
- 项目自称早期 alpha,README 表示目前需从源码构建;不要把静态文档视为安全保证或已验证的运行结果。
- README 表示不计划提供云托管产品,而 package.json 将其描述为云端 Agent 工作区,产品定位材料存在不一致。
- 全权限 Agent、已登录浏览器会话、保存的登录信息及远程设备连接都涉及高权限或敏感数据;使用前应审阅具体授权和数据流。
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。
-
desktop-v0.1.685 Opensteer 0.1.685 (Alpha)
常见问题
必须使用 Opensteer Cloud 吗?
OPENSTEER_API_KEY 后可用的另一种路径。读取页面信息会自动创建浏览器吗?
open_browser(),或用 use_browser() 选择现有会话。mode='reuse' 和 mode='new' 有什么区别?
reuse 是安全默认值,用于复用逻辑会话;new 会有意创建另一个逻辑会话。可读标签用于识别浏览器,云端会话 ID 和运行范围由平台管理。如何处理多个业务网站或流程?
项目是否记录了托管服务价格?
Opensteer 官网是什么?
Opensteer 开源吗?
Opensteer 安全吗?
Opensteer 还在维护吗?
Opensteer 是谁开发的?
谢谢反馈,我们会据此改进页面。