BrowserAct：面向 AI Agent 的浏览器自动化工具开源

BrowserAct 是一款面向 AI Agent 的浏览器自动化命令行工具，主打开源、免登录即可使用大部分功能，已支持 Claude Code、Cursor、VS Code、OpenCode、Codex、Gemini CLI 等主流 Agent 框架，覆盖 Windows、macOS 与 Linux。其核心目标是解决现有浏览器工具在反检测、多账号隔离、人机协作与 Agent 推理兼容性上的不足。

三层反检测与人机接管

BrowserAct 提供三层渐进式反检测能力：

• 环境层：通过浏览器指纹伪装、TLS 指纹轮换与代理切换规避常规检测，多数拦截根本不会触发。
• 执行层：solve-captcha 自动处理验证码；stealth-extract 一条命令即可拉取受保护页面内容。
• 人机层：remote-assist 生成实时链接，用户从任意设备接管浏览器，任务完成后 Agent 无缝继续执行。

三种浏览器模式按场景切换

• chrome：复用本地 Chrome 登录态，支持 Profile 导入或 CDP 连接，适合需要延续现有账号会话的场景。
• stealth privacy mode：每次会话使用全新指纹并轮换代理，零残留，适合无需登录的批量抓取。
• stealth fixed identity：稳定指纹 + 稳定 IP，支持多浏览器并行，适合多账号任务且不被风控标记。

为 Agent 而非人类脚本设计

• 紧凑文本输出：采用索引化文本格式，相比 JSON 或 HTML 更省 Token。
• 索引化交互：状态以索引列表返回（如 click 3 / input 2「…」），无需解析 DOM。
• 语义记忆：每个浏览器自带语义描述（desc），按任务语义进行匹配。
• 并发安全：会话所有权 + 显式命名机制，确保多 Agent 操作互不冲突。

在安全方面，浏览器创建/删除、Profile 导入、代理变更等敏感操作必须经用户逐次显式确认，权限不跨会话保留，并在 Skill 层强制执行而非依赖配置开关。

兼容性与免费策略

BrowserAct 可与任何能执行 shell 命令并加载 Skills 的 Agent 配合使用。绝大多数功能免费开放：

• 无需登录即可使用：浏览器自动化（Chrome / Chrome-direct）。
• 登录后解锁：隐身浏览器（≤5 个）、stealth-extract、solve-captcha、remote-assist、隐私模式与 Skill Forge。
• 付费项目：托管代理（动态/静态）以及超过 5 个隐身浏览器。

生态：Skill Forge 与 Solutions Catalog

项目同时推出 Skill Forge：让 Agent 探索一次目标站点，自动发现其 API 与数据结构，生成可部署的 Skill 包，后续无需重复探索即可稳定运行，适合 500 到 5,000 条级别的批量抓取。此外还提供 Solutions Catalog，已收录 30+ 预生成 Skill，覆盖 Amazon、Google Maps、YouTube、Reddit、微信、知乎等平台，开发者也可基于任意站点自定义生成 Skill，无需手写爬虫。