OpenCode Browse 允许 AI 编码 Agent 直接在用户的真实浏览器中运行,从而绕过手动 API 密钥或复杂的身份验证设置。通过利用 Chromium 扩展程序和 Model Context Protocol (MCP) 服务器,该工具授予 Agent 访问用户已登录的网站的权限,包括活动标签页和已安装的扩展程序。

连接 Agent 与已认证会话

OpenCode Browse 作为 AI Agent 与用户本地浏览器环境之间的桥梁。与许多要求开发人员为每个服务提供特定 API 密钥或凭据的 Agent 工具不同,该系统允许 Agent 使用用户已经在 Chrome、Edge 或 Brave 等浏览器中打开的会话。

该工具提供了一种让 Agent “读取”页面、点击按钮、输入文本和记录网络流量的方法。因为它在用户的实际浏览器上运行,因此可以在无需额外配置的情况下导航到处于登录或复杂身份验证墙后的网站。

“一个 MCP 服务器和一个 Chromium 扩展程序,让你的 Agent 使用你的真实浏览器,包含你的标签页、你的登录信息和你的扩展程序。”

— OpenCode | Browse, your real browser for coding agents
OpenCode Browse 的宣传卡片,显示桌面应用程序和文字“让你的 Agent 使用你的真实浏览器,包含你的标签页和登录信息”。
OpenCode Browse 为 AI Agent 提供桥梁,使其能够与用户的活动浏览器会话(包括现有登录和扩展程序)进行交互。opencode.ai

这张图片展示了 OpenCode Browse 的核心价值主张,正如介绍部分和开发者的引用中所描述的那样。

后台运行与用户移交

为了防止 Agent 的活动干扰用户的操作空间,OpenCode Browse 将 Agent 控制的标签页作为折叠组在后台打开。这允许 Agent 执行多步骤任务,例如导航复杂的仪表板或与基于 Web 的工具交互,而不会中断用户的首要视图。

系统旨在识别 Agent 无法自主完成任务的情况。例如,如果网站触发双重身份验证 (2FA) 提示或支付网关,该工具会将标签页交还给用户。Agent 随后等待用户点击“继续”按钮,然后继续执行任务。

技术集成与功能

该软件作为 Chromium 扩展程序和 MCP 服务器交付,使其兼容广泛的 AI 编码工具,包括 OpenCode、Claude Code、Cursor、Codex 和 Zed。它捕获截图和标签页录制,为 Agent 提供与其交互的网页的视觉和结构上下文。

用户还可以通过工具栏按钮将特定标签页“借给”Agent,为 Agent 提供明确的起点。此外,系统允许配置“允许的网站”,用户可以限制 Agent 的浏览能力仅限于特定的批准域名列表。

可靠性与安全考虑

虽然该工具通过利用现有登录信息提供了高度便利,但它在稳定性和安全性方面引入了特定的权衡。用户报告过连接失败的情况,即 Agent 和浏览器失去同步,需要手动重启浏览会话。

使用“真实”浏览器会话意味着 Agent 可以访问与用户相同的 Cookie 和会话数据。这创造了一个巨大的安全攻击面,因为 Agent 的操作是使用用户的完整权限执行的,因此需要在 Agent 的实用性和与敏感账户进行自动化交互的潜在风险之间进行仔细平衡。

Hacker News 读者的反应

  • 技术补充: 一位评论者建议,开发人员可以通过使用 Chrome DevTools Protocol (CDP) 或 go-rod 等库来实现类似结果,理由是这些工具提供了低级别的浏览器控制,而不需要专门的包装器。 评论 ↗
  • 技术补充: 一位用户分享了使用 Playwright MCP 服务器作为替代方案的经验,指出它允许授予对已打开页面和会话的访问权限。 评论 ↗
  • 技术补充: 另一位用户声称,使用浏览器插件的自定义实现允许 Agent 以 Playwright 等工具无法安全实现的方式与 Outlook 等安全上下文进行交互。 评论 ↗

以上为 Hacker News 讨论中观点的摘要,并非经过核实的事实。 阅读完整讨论 ↗