Agent 终于有了自己的浏览器。

原创

开源日记
开源日记

开源日记

2026年8月6日 15:19
湖北

在小说阅读器读本章

去阅读

让 Agent 去操作浏览器这件事，说起来简单，但是做起来全是坑。

登录不了。验证码不能验证。SSO 重定向失败。

Agent 还要和你在同一个浏览器里抢夺标签页，鼠标飞来飞去。

这些坑我都踩过。

之前用过Browser-Use，配置环境要半天。试过agent-browser，但是登录态很难带过去。

最近有一个项目，它把浏览器重新做了一遍。

它叫 ego-lite，在 GitHub 上已经有 8500 个 Star 了。

它是一个专为 Agent 设计的 Chromium 浏览器。

ego-lite 和其它的差异体现在，它本身就是一个浏览器，Agent 可以直接在你的登录态中工作。

Dev.to 上有人评价说，它回答了一个很实际的问题。

你的电脑，能不能让 AI 助手安全访问你已经登录的浏览器？

我给你演示一下，你就知道它能省多少事了

以前要一个个地切标签，然后手动登录到每一个 SaaS 后台。

现在只需要在 Agent 对话就行。

Agent 自己打开 ego-lite，在自己的 Space 里开始干活。

它独立开一个 Space，跳到页面上。因为你之前一键迁移了 Chrome 数据，它直接就是登录状态。

然后自动读取网页内容。

不需要你手动复制粘贴，Agent 直接抓取价格信息和功能列表，并写入到本地文件中。

同一个操作在 5 个 Space 中同时进行。

同时打开五个网页，Agent在后台工作，你可以在前台正常浏览网页。

鼠标不动，标签不丢，互不干扰。

令我惊讶的是它玩网页国际象棋游戏非常流畅。

值得深入挖掘。

想直接在 Claude Code 看结果也可以。

我让它给我找一下小红书昨天最热门美食的图文。

很快就给我整理好了。

你只需要关注自己要做的事情，不需要去查看Agent标签页。

它是怎么做到的

01 代码控制。

目前的浏览器自动化工具是逐条执行的。执行两行命令，观察结果，然后继续。

ego-lite 把能力暴露为 JavaScript 函数，Agent 写一个 JS 就可以连续执行多个步骤的操作。

传输层使用Chrome DevTools Protocol直接连接到Chromium，不需要Puppeteer或者Playwright。

唯一的一个外部依赖就是轻量级的JavaScript解析器。

Agent和浏览器之间来回的次数大大减少了，一次写好脚本就跑到底，不需要等命令一条条地返回。

复杂的任务比 agent-browser 快 2.5 倍，而且 token 也更少。

这个设计也得到了 HN 用户的称赞，说是正确的架构选择。

02 空间隔离，多个Agent并行。

每个Agent都有自己的Space，独立的标签页、Cookie、存储空间，但是会继承你的登录状态。

Claude Code 在 10 个 Space 中处理客户线索，Codex 在  5 个 Space 中抓取热门新闻。它们不会打架也不会抢走你的标签页。

任务结束自动交还控制权，全程你该干嘛干嘛。

03 Chrome 数据一键迁移。

第一次启动的时候，ego-lite 会扫描到你本地的 agent 并且自动写入 skill。

一键导入Chrome浏览器的书签、密码、插件、Cookie等信息。

Agent 不会因为验证码或者 SSO 而被卡住。你之前登录过的所有网站都可以直接使用。

仓库中还包含有github、google、x-com等站点的知识包。

比如 GitHub 的知识包会知道怎么翻看 commit 记录，x-com 的会知道怎么滚动时间轴。踩过一次的坑就不会再踩第二次了。

04 内核级语义 Snapshot。

Snapshot 直接在定制的Chromium引擎内核层上进行构建，没有用外挂JS。可以穿过跨域iframe、shadow dom、stripe和salesforce等第三方组件。

普通的web fetch无法读取到的内容，在这里都可以读到。

Agent 不需要对不存在的东西进行反复尝试，否则会白白浪费掉Token。

像 Stripe 的支付组件、Salesforce 的 CRM 界面，这些重型 JS 页面靠普通抓取根本读不全。

Snapshot 可以直接获取到渲染完成后的整个 DOM。

想试试的话，装起来很简单

目前只有 macOS 版，Windows 和 Linux 在 roadmap 上。

macOS 用户直接下载DMG。

一行命令加 skill。或者把指令丢给 Agent 让它自己来。

npx skills add citrolabs/ego-lite

安装好之后，在Agent CLI中输入/ego-browser加上任务描述，Agent就会自动完成。

第一次启动的时候会问你是否要迁移Chrome数据，选择“是”就可以了。

登录状态、扩展、书签等都一并带过去。

到这里边界也给大家提提

平台限制前面提过了，macOS 以外的用户还得等。

Dev.to 上也有作者提出，2.5 倍提速是官方宣称的，并没有第三方独立的基准测试来验证。可以自己跑一下看实际效果。

另外，迁移Chrome数据虽然很方便，但是也意味着你必须完全信任新的浏览器。

写在最后

我前面做浏览器自动化的时候也踩了很多坑，所以看到 ego-lite 的思路的时候，感觉很有意思。

没有对现有的框架进行修补完善，而是在“浏览器要同时服务于人和AI Agent”的起点上重新设计。

这个思路本身就有价值。

这个项目今年 4 月才创建，到现在也才 4 个月。

等到Windows和Linux版本都出来了之后，用户的数量肯定还会翻一倍。

需要的朋友可以试一试。

项目基于 MIT 协议开放,感兴趣的同学可以去 GitHub 仓库看看源码和文档。

开源地址：https://github.com/citrolabs/ego-lite

既然看到这了,欢迎随手点赞、在看、转发,也可以给我个星标⭐,接收最新的文章,我们下期见!