WebBrain
开源浏览器 AI 智能体：在侧边栏读取页面、点击输入、执行多步任务，模型可用本地 llama.cpp/Ollama 或任意云端 API。
证据显示最小权限与外部效应仅停留在文档声明层面：SECURITY.md 自述使用 <all_urls>、debugger、downloads、tabCapture 等大权限，且驱动已登录会话，这对浏览器代理有其必要性，但所提供的源文件中没有 manifest 或权限实现代码可核实其收敛性，故 least_privilege 与 external_effects 各记 1。用户确认方面证据较强：Ask/Act/Dev 模式分层、Act 前置计划审批、按站点授权请求，但存在 /dangerously-skip-permissions 旁路，记 2。数据流与敏感数据有 privacy-and-data-flow、security-model、trace isolation 等文档指向，属声明而非可静态核验的实现，记 2。依赖安全证据薄弱：仅有两个 devDependencies，无 lockfile 审计或依赖扫描证据，记 1。回滚仅有 Dev 模式'可逆编辑'的说法，记 1。署名充分：作者具名、BibTeX 引用、许可历史清晰，记 3。
自一致性尚可：README 的 GPL≥33.0.0 与 package. 34.1.6、GPL-3.0 字段一致，但 registry 元数据为 NOASSERTION 存在轻微不一致，记 2。依赖可用性：npm ci 进 CI、devDeps 精简，记 2。失败消息证据薄弱：仅有停止按钮、继续按钮和重复尝试预算的提及，未见具体错误文案或降级行为的实现证据，记 1。
受众与场景划分非常清晰：Ask/Act/Dev 三模式、compact/mid/full 工具分级适配小模型本地推理、大量示例提示词，记 3。能力边界是本项目最突出的优点：已知问题章节详细列出 Firefox 无 CDP 导致的 shadow DOM、可信鼠标事件、SPA 重注入等具体缺失，记 3。触发精度：slash 命令带参数、/watch 基线与去重逻辑描述具体，但多为文档断言，记 2。环境适配：Chrome/Firefox/Edge 三端、本地与云端 106 张供应商卡、16k 上下文最低要求明确，但 Firefox 明显降级，记 2。
信息架构优秀：monorepo 目录说明、三语文档、按主题（架构、工具、安全、注入防御、隐私）组织的文档索引，记 3。安装说明完整覆盖商店安装与 Chrome/Firefox 源码加载的具体步骤及 Firefox 临时签名限制，记 3。已知限制详尽具体，记 3。许可证：LICENSE 内含完整 GPL-3.0 文本且解释了 MIT→GPL 的历史转变，但 registry 元数据 NOASSERTION 与此不完全对齐，记 2。版本管理有 bump/release 脚本与 CHANGELOG.md 引用但 changelog 内容未在证据中，格式带版本号（webbrain-config/1），记 2。维护责任具名（[email protected]）、响应时限明确、CONTRIBUTING 存在，记 2。示例丰富但无 FAQ，记 2。命名稳定一致，记 2。
输出可用性较好：流式 Ask 回答、复制按钮、/export 导出对话与 trace、版本化导出格式，记 2。边际价值：浏览器代理赛道拥挤，但多供应商（106 卡）、本地 llama.cpp/Ollama 支持、LM Studio 独立插件与离线相关性基准构成一定差异化，记 2。成本收益证据薄弱：提到温度设定、token 感知压缩与步数上限（195/130），但无 token 消耗或成本量化的实测数据，记 1。
主张可追溯性尚可：README 各声明均链接到具体文档（agent-tools、slash-commands、providers 等），记 2。跨源印证中等：package. 的 test:security 与 README 的注入防御语料、SECURITY.md 的披露范围相互印证，CI 工作流与声明一致，但测试实现本体未在证据中，记 2。事实与推断区分：文档明确标注注入防御的'已知极限'与 Firefox 功能差异，避免绝对化表述，记 2。
- 静态审查：本评分仅基于仓库文件，未执行任何测试或运行验证，core 行为（授权弹窗、注入防御、数据流）均为文档断言，需自行核实 docs/security-model.md 与 docs/privacy-and-data-flow.md。
- 该扩展申请 <all_urls>、debugger、downloads、tabCapture 等大权限并操作已登录会话，权限与其功能相称但仍属高风险面；不使用 /dangerously-skip-permissions 旁路，谨慎对待 Act/Dev 模式。
- 发布者身份未经企业注册库验证，来源为个人维护者（Emre Sokullu），安装前请核对 Chrome/Firefox 商店签名与本仓库源码一致性。
- registry 许可元数据为 NOASSERTION，而仓库为 GPL-3.0-or-later（33.0.0 起因打包 Xapian/libzim），合规使用前请自行确认许可边界。
- Firefox 版本功能明显弱于 Chrome（无 shadow DOM 遍历、无 CDP 截图等），关键工作流请在 Chrome 上验证。
这个 Agent 能做什么，适合哪些场景？
WebBrain 是一个开源浏览器扩展（monorepo：webbrain-one/webbrain），在 Chrome、Firefox 和 Edge 的侧边面板中提供 AI 智能体，可读取当前页面并代你点击、输入、导航、上传和下载。它通过无障碍树而非脆弱的选择器读取页面，运行在用户自选的模型上：默认的 WebBrain Compass 1.0 无需配置，也可指向本地 llama.cpp、Ollama、vLLM 等任意 OpenAI 兼容服务器，或接入 OpenAI、Claude、Gemini、Bedrock 等 106 张内置云服务商卡片。仓库包含 Chrome（Manifest V3）与 Firefox（Manifest V2）两套构建、MCP 服务器、LM Studio 插件、中英法三语文档和 Node 测试套件。许可证为 GPL-3.0-or-later（33.0.0 起），由 Emre Sokullu 维护。
智能体在侧边面板接收自然语言指令，通过无障碍树读取页面文本、链接、表单、表格和 PDF，再以工具调用循环执行点击、输入、滚动、导航、上传、下载等操作，多步任务最多可配置 195 步（默认 130）。三种模式控制权限：Ask（只读）、Act（可操作页面）、Dev（额外暴露页面源码、控制台、网络与可回滚编辑）。Act/Dev 可先生成结构化计划供用户批准再执行，且在关键操作前弹出按站点的权限确认。支持 /schedule 定时任务、/watch 轮询页面、/teach 与 /workflow 保存可复用工作流、/memory 记忆偏好、/screenshot 截图等斜杠命令。模型侧通过 providers/manager.js 中的 BaseLLMProvider 子类统一为 { content, toolCalls, usage }，并按 compact/mid/full 工具分层适配小参数本地模型；另提供 MCP 服务器（@webbrain/mcp-server，WebSocket 端口 17374）让 Claude Code 等编码智能体把浏览器任务委托给用户已登录的浏览器。
- 需要总结、问答或从当前标签页提取链接与表格内容的用户，使用只读的 Ask 模式即可完成，无需把页面内容复制给聊天机器人。
- 需要在已登录 SSO 的站点上自动填表、批量操作或抓取数据（如 Stripe 后台拉取失败付款列表）的用户——MCP 服务器让 Claude Code、Cursor 等复用浏览器会话中的 cookie。
- 在意隐私、无法使用云端 API 的用户，可将 WebBrain 指向本地 llama.cpp/Ollama/LM Studio 服务器（建议至少 16k 上下文窗口），全程离线运行。
- 需要定期盯页面变化（如新 commit 出现）并自动触发动作的用户，可用 /watch 每 30–120 秒轮询。
- 重复性多步网页流程的操作者，可用 /teach 演示录制并保存为可导出、可分享的工作流，之后一键重跑。
- 希望自定义模型接入的开发者，可继承 BaseLLMProvider 实现 chat() 并在 providers/manager.js 注册，同时镜像到 Chrome 和 Firefox 构建。
这个 Agent 有哪些优点和局限？
- 模型完全自主：默认 Compass 无需密钥，同时支持 106 张服务商卡片、本地 llama.cpp/Ollama/vLLM/LM Studio 及无端点的 WebGPU 选项，无供应商锁定。
- 通过无障碍树而非脆弱的 CSS 选择器读取页面，对 React/Vue 等客户端渲染页面更稳健，并按 compact/mid/full 分层适配小参数本地模型。
- 安全设计具体可审计：Act/Dev 先出计划待批准、关键操作前按站点弹权限确认、专门的提示注入防御与隐私文档，权限门控在智能体循环内。
- 提供 MCP 服务器，可把浏览器任务委托给用户已登录的真实浏览器会话，绕开 headless 框架在登录墙前卡死的常见问题。
- Firefox 构建能力明显弱于 Chrome：无 chrome.debugger/CDP，缺少 shadow DOM 穿透、真实可信鼠标事件、SPA 导航感知重试和像素级截图，依赖这些功能的场景应选 Chromium。
- 本地模型有实际门槛：上下文窗口至少 16k token（8k 仅限 Compact 档，4k 不够），否则对话会被过度压缩或失败。
- 许可证从 33.0.0 起改为 GPL-3.0-or-later（因捆绑 Xapian/libzim WASM），商业集成需评估合规；更早版本为 MIT。
- MCP 桥接为 Chromium 专属且扩展同一时间只持有一条桥接 socket（17373/17374/17375 三选一），多工具并发委托受限。
如何安装或部署这个 Agent？
方式一：从商店安装——Chrome Web Store、Firefox Add-ons 或 Edge Add-ons（README 提供直达链接）。方式二：从源码加载——git clone https://github.com/webbrain-one/webbrain.git 后，Chrome 打开 chrome://extensions/，开启开发者模式，点击“加载已解压的扩展程序”选择 webbrain/src/chrome 文件夹；Firefox 打开 about:debugging#/runtime/this-firefox，选择“临时载入附加组件”并指向 src/firefox/manifest.（临时加载重启后失效，永久安装需经 addons.mozilla.org 签名）。模型：默认 WebBrain Compass 1.0 无需任何密钥；本地模型启动任一 OpenAI 兼容服务器，如 llama-server -m your-model.gguf --port 8080 或 ollama serve（:11434/v1）。
如何使用这个 Agent？
点击工具栏 WebBrain 图标打开侧边面板，直接输入指令，如“总结这个页面”“把搜索框填入 AI agents 并点击搜索”“导航到 github.com 找热门仓库”。用 Ctrl+Shift+A/X/D（Mac 用 Cmd）切换 Ask/Act/Dev 模式，/help 查看全部命令签名；Escape 停止当前运行。模型在 Settings 中选择：可填本地服务器地址、选 106 张云服务商卡片之一，或用内置 WebGPU 选项（LFM2.5 2.6B 预设）。MCP 委托：运行 npx -y @webbrain/mcp-server，在 WebBrain → Settings → General → Advanced → MCP 填 ws://127.0.0.1:17374/extension 并启用（仅 Chromium）。LM Studio 插件：lms clone webbrain/web-tools。