Webcmd
自学习浏览器基础设施：把网站的导航知识固化为确定性 CLI 命令，帮 AI Agent 最多节省 90% 的浏览器 token 开销。
最小权限方面，README 描述了沙箱化的会话模型、显式 Session ID、skill 仅覆盖 browser 能力，有节制的分层设计，得 2 分；但用户确认方面，cookie jar（profile）复用登录态给 agent，未见明确的敏感操作确认机制，仅 1 分。数据流透明度上 profiles/sessions 模型说明较清晰，但 'Webcmd Cloud' 的数据去向仅一句带过。敏感数据处理：profile 即 cookie jar，隔离与关闭有描述但未展示加密或落盘策略。依赖安全：依赖列表固定了 cloakbrowser/playwright-core 精确版本，但无 lockfile 审计或 SBOM 证据，postinstall/preuninstall 生命周期脚本（含本地 HTTP shutdown 调用）在未展示其实现的情况下扣分。外部效果：工具会驱动真实浏览器访问真实站点（含登录态操作 LinkedIn/X 等社交数据），有真实外部副作用，仅在示例中提示 'Keep it read-only'，缺系统性防护描述。回滚：plugin 可搜索安装但未见卸载/回滚命令文档。来源归属：LICENSE 有明确版权行（jackwener / AgentR），AUTHOR/仓库字段一致。
自一致性方面，README 的层级模型（0-3 层）、session/profile 语义在文内前后一致，与 package. 的描述字段吻合，得 2 分；但 README 内有一处明显残缺：Community 一节 'Search and install them with:' 后直接跟版本要求段落，语句断裂。依赖可用性：Node 20.6+ 明确，CI 覆盖三平台与 Bun，得 2 分；但 cloakbrowser 0.4.5 为单一固定依赖，降级与替代路径未说明，未给满分。失败信息：benchmark 测试显示了启动失败时的清理/终止路径有测试保障，CLI 的 --help/-f 输出结构有示例，但产品本身的错误消息质量未在文件中直接展示。
受众与场景：README 用分层表格清楚划分从不熟悉站点到确定性 CLI 的场景，并给出研究/社媒/购物等多场景示例，得 3 分。能力边界：注明 Cloud 未稳定、插件列表为示意、依赖已装插件，尚可，但 'up to 90%' 的上限式宣称边界含糊。触发精度：'Load or tag webcmd-browser only for live browser work' 给出了明确的使用/不使用指导，示例提示词也较精确。环境适配：Node/Bun 双支持、三平台 CI、skills 安装支持多 harness（Claude/Codex/custom），覆盖良好，但浏览器引擎依赖单一（CloakBrowser），本地无该环境的适配性未说明。
信息架构：README 结构清晰（层级→快速开始→示例→基准→文档→社区→贡献→许可），docs 站点有主题分区，得 3 分。安装说明：Node 版本要求、npm 全局安装、plugin 安装、skills 安装步骤完整，得 3 分。命名稳定性：@agentrhq/webcmd 与 webcmd bin 名一致，CLI 子命令示例一致，但 0.x 版本阶段且有 'Use Webcmd 0.7.11 or newer for compatibility' 的兼容性裂缝提示，扣分至 2。示例与 FAQ：What You Can Ask 与 X→CLI 示例丰富，但无 FAQ、无故障排查章节。已知局限：仅 Cloud 未稳定一句，90% token 削减的适用条件、插件可用性风险等局限披露不足。许可：Apache-2.0 LICENSE 全文在场，README/package./徽章一致，得 3 分。版本与变更日志：版本号 0.8.2 在场，但仓库文件中未见 CHANGELOG，仅提到生成 release notes 的脚本。维护责任：SECURITY.md 定义了漏洞上报渠道与支持版本（最新版），CONTRIBUTING.md 被引用但内容未提供，维护节奏仅能从 CI 推断，得 2 分。
输出可用性：示例明确要求返回字段与 source links，-f 的结构化输出贯穿 CLI 示例，得 2 分；但未展示实际输出样例。边际价值：'学习并编译为确定性命令' 的机制确有差异化价值，benchmark 图表声称最低成本最高准确率，但基准方法学仅链接未在源文件中可见，价值主张可但不可证。成本收益：宣称减少 90% token 与 $0.255/任务的成本数据给出了量化锚点，但成本口径（不含 judge）与自建 judge 更强的说明削弱了可比性。
主张可追溯性：benchmark 主张附带了指向仓库内报告与外部基准的引用，且声明了控制器/模型/judge 的一致条件，得 2 分；但 90% token 削减这一头条数字无内联推导路径。跨源佐证：README 的基准是其自称结果，插件目录在另一仓库，均属同一发布方生态，缺乏独立第三方佐证，仅 1 分。事实与推断分离：基准部分明确了'accuracy is passed tasks out of 100'等口径定义，且区分了 judge 与原基准的差异，做得尚可；但营销性数字与可验证事实在文内未显式分级。
- 该工具会以用户的真实登录态（profile cookie jar）驱动浏览器访问 LinkedIn、X 等账户，请在隔离环境先行试用，并避免将高价值账户凭证交给未验证发布者的 agent 基础设施。
- package. 含 postinstall 与 preuninstall 生命周期脚本，安装前应审查 scripts/postinstall.js 的实际行为。
- '最高可削减 90% token' 与基准结果均为发布方自报，且自建 judge、成本口径排除 judge 费用，不应直接作为采购依据。
- 主功能源码未在本次审查范围内提供，安全属性（会话隔离、cookie 存储、Cloud 数据流）只能依据文档而非代码确认。
- 插件目录依赖单独仓库且按需从 'installSource' 安装第三方适配器，存在供应链风险，安装前应核对插件来源。
这个 Agent 能做什么，适合哪些场景？
Webcmd（GitHub: agentrhq/webcmd）是一个面向 AI Agent 的自学习浏览器基础设施。Agent 首次访问某个网站时，可以用 `webcmd browser` 命令实时操控真实浏览器（点击、输入、抓取、捕获网络请求）；随着使用，Webcmd 会积累该网站的站点地图记忆，进而编译成可复用的 `webcmd <site>` 适配器命令，让后续 Agent 不必每次重新探索。它以 npm 全局包 `@agentrhq/webcmd` 的形式分发，需要 Node.js 20.6+，站点适配器通过独立的插件目录（agentrhq/webcmd-plugins）按需搜索安装。Profiles 充当 Cookie 存档，Sessions 是 Profile 内相互独立的浏览器窗口，适合多个 Agent 并行工作。在 BU Bench V1 百项浏览器自动化基准中，Webcmd 以 67% 准确率、每完成任务 $0.255 成本、9.8 次 Agent 轮次取得最高准确率和最低成本。项目采用 Apache-2.0 许可证。
Webcmd 的核心工作流程分四层：第 0 层，对陌生网站用 webcmd browser 系列命令实时检查、点击、输入、提取数据、捕获网络调用；第 1 层，记录观察到的页面、状态、动作、工作流、API、陷阱和回退路径，形成面向 Agent 的站点地图记忆；第 2 层，将已知动作空间编写成带结构化输出的可复用 webcmd <site> 适配器；第 3 层，为确定性工作流扩展定制命令，实现最低 token 消耗的即时执行。它支持显式浏览器会话：webcmd --profile work session create "Work Project" -f 创建会话，webcmd --profile work --session <id> browser run --file explore.js 执行一段沙箱化的 Playwright 风格程序，browser run --stdin 接收内联脚本。通过 webcmd skills add 可向 Claude、Codex 等支持的运行环境安装 webcmd-browser 技能；webcmd plugin search 和 webcmd plugin install github:agentrhq/webcmd-plugins/<name> 用于管理站点适配器插件。
- 构建研究类 Agent 的开发者，需要跨 Hacker News、Reddit、PubMed 比较讨论并返回带来源链接的摘要
- 使用登录态自动化社交媒体的团队，例如用登录的
socialProfile 收集 X 收藏、总结 LinkedIn 未读消息或监控 TikTok 公开内容 - 已在用 ChatGPT、Claude、Gemini、NotebookLM 的用户，希望 Agent 能检索这些工具中的会话、笔记本和生成内容
- 电商与采购场景的 Agent，需要按件号查询 Grainger 价格库存、比较 Amazon/Blinkit/Zepto 商品或查询 SAP Ariba 采购订单状态
- 运维多 Agent 并行访问同一网站的工程师，可通过独立 Session ID 和 Profile Cookie 隔离各 Agent 的浏览器状态
- 被浏览器 Agent token 成本困扰的团队，可将反复出现的网站导航固化为 CLI 命令，把预算留给任务本身
这个 Agent 有哪些优点和局限？
- 学习式架构：同一网站的导航知识被编译为确定性命令，重复任务不再消耗浏览器探索 token，官方声称最多省 90%
- 有可审计的基准结果：在 BU Bench V1 的 100 项任务中取得最高准确率（67%）、每完成任务最低成本（$0.255）和最少 Agent 轮次（9.8），且方法学和复现步骤公开
- Profile/Session 模型天然支持多 Agent 并行：Session ID 不可变且 Profile 范围内安全复用，Cookie 隔离登录态
- 插件化站点适配器生态，可按需搜索安装，社区可通过发布指南贡献适配器
- npm 包本身不含任何站点适配器，必须逐个搜索并显式安装插件，冷启动需要额外配置成本
- Webcmd Cloud（托管运行命令和浏览器会话）仍在开发中、尚不稳定，生产级云端依赖尚不成熟
- 需要 Node.js 20.6+ 运行时和真实浏览器引擎；基准使用 CloakBrowser 引擎，本地部署的浏览器依赖需自行验证
- 基准由自建更强判分器（Codex gpt-5.4）得出，与原始 BU Bench 设置（Gemini 2.5 Flash 判分）不同，跨工具对比结论需谨慎解读
webcmd-browser技能会加载到 Agent 环境，若不按需加载会占用技能上下文
如何安装或部署这个 Agent？
- 确认已安装 Node.js 20.6 或更高版本。2. 全局安装核心包：
npm install -g @agentrhq/webcmd。npm 包只含核心与浏览器命令，不含站点适配器。3. 按需安装适配器：webcmd plugin search <site> -f搜索，然后webcmd plugin install <installSource-from-search>（社区适配器格式为webcmd plugin install github:agentrhq/webcmd-plugins/<name>；需要 Webcmd 0.7.11+ 以兼容独立插件目录）。4. 向你的 Agent 环境安装浏览器技能：运行webcmd skills add，在提示时选择 Claude、Codex、其他支持的 harness 或自定义技能路径。
如何使用这个 Agent？
最简单的上手方式是把以下提示交给 Agent：「Fetch and follow https://raw.githubusercontent.com/agentrhq/webcmd/main/start.md to set up Webcmd end to end.」随后即可发出自然语言指令，例如「Use webcmd to research agentic browser automation on PubMed and return title, authors, publication date, abstract, and URL for each result」。需要显式浏览器会话时：webcmd --profile work session create "Work Project" -f 创建会话；webcmd --profile work --session <id> browser tabs 查看标签页；webcmd --profile work --session <id> browser run --file explore.js 执行多步探索脚本；printf 'return await page.title();' | webcmd --profile work --session <id> browser run --stdin 执行内联脚本；webcmd --profile work session close <id> 关闭会话。适配器命令不带 --session 时会复用 Profile 的 adapter-default 会话；原生浏览器命令必须显式提供可读的 Session ID。一次探索后可让 Agent 为工作流生成稳定的 webcmd <site> 命令供后续复用。
这个 Agent 与同类方案有什么区别？
README 提供了与 browser-use 生态 BU Bench V1 基准中其他浏览器自动化工具的直接对比：Webcmd 在准确率、每完成任务成本和 Agent 轮次三项指标上领先；其差异化定位是把网站知识编译成确定性 CLI 命令，而非每次运行都重新浏览。
常见问题
它能帮我节省多少 token？
是否支持登录态（cookie）操作？
work、social），适配器命令默认使用该 Profile 的 adapter-default Session，多 Agent 并行时应创建独立 Session。没有现成插件时怎么办？
webcmd plugin search <site> -f 搜索插件目录；若不存在，Agent 可以先用 webcmd browser 实时探索网站，逐步积累站点地图记忆并编写自定义 webcmd <site> 适配器。需要什么运行环境和权限？
webcmd skills add）仅安装一个 webcmd-browser 技能，适配器、搜索、抓取和插件命令在 CLI 上直接可用。