LLM 操控电脑/浏览器 —— 深度调研报告（2026-08 更新版）

调研日期：2026-08-01 | 覆盖：GitHub 开源项目、MCP 服务器、大公司产品、Skills / Agent 框架 / 插件
本次更新：新增 Hermes Agent 与 OpenClaw 的浏览器能力详解、修正过时信息（OpenAI Atlas 关闭、Operator 状态、OpenClaw 被收购等）
2026-08-12 更新：强烈推荐 mcp-chrome——已安装配置完成并实测通过（语义交互/无障碍树/抓包/语义搜索），全面优于 open-browser-use，已切换为主力浏览器 MCP（详见第 9.6 节）
2026-08-16 更新：open-browser-use 已彻底卸载（MCP 配置、npm 包、Chrome 扩展、native host 全清），由 mcp-chrome 完全取代；文档 9.3/9.5/9.7 同步标记
2026-08-22 更新：新增 BrowserSkill（腾讯） 连接已有浏览器方案（2026-08-22 已在本机安装 bsk CLI v0.1.10 + Hermes skill + 扩展连通，bsk doctor 全绿）；mcp-chrome 当前已 disabled（用户暂时关闭）；详见 9.7
2026-08-23 更新：本报告移入「一些有意思的工具」目录（浏览器也是 LLM 开源使用的工具之一）；新增 bb-browser（复用登录态的浏览器 CLI/MCP，见 9.8）与 MAI-UI（阿里通义官方 GUI Agent，见 2.2.1）调研
2026-10-01 更新：3.2 节新增 Windows-MCP（桌面操控 MCP 品类第一，7.6K★，UIA 无障碍树路线）；已独立成文，详见本目录《Windows-MCP-LLM操控Windows桌面.md》

1. 全景概览

到 2026 年中，「让大模型操控电脑/浏览器」已经从实验走向工程化。整个生态可以分成五个层次：

┌─────────────────────────────────────────────┐
│  应用层：大公司产品                            │
│  (Chrome Auto Browse / CUA / Computer Use)   │
├─────────────────────────────────────────────┤
│  框架层：Agent SDK + 浏览器智能控制             │
│  (Browser-Use / Stagehand / Skyvern)          │
├─────────────────────────────────────────────┤
│  协议层：MCP / CLI 工具                        │
│  (playwright-mcp / agent-browser / CDP)       │
├─────────────────────────────────────────────┤
│  Agent 自带能力：通用 Agent 的内置浏览器/桌面     │
│  (Hermes browser + computer_use / OpenClaw)    │
├─────────────────────────────────────────────┤
│  执行层：浏览器自动化底座                       │
│  (Playwright / Puppeteer / Selenium)          │
└─────────────────────────────────────────────┘

核心趋势（2026-08 验证仍然成立）：独立 browser agent（沙箱浏览器 + 无登录态）路线已被验证走不通（OpenAI 关闭 Atlas 浏览器、Google Mariner 转 Chrome 内置）。正确路径是共享用户真实浏览器会话（Chrome auto-browse / Claude for Chrome / OpenClaw user 配置 / Hermes computer_use）。

2. GitHub 开源项目

2.1 浏览器 Agent（最热方向）

项目	Stars	类型	核心亮点
browser-use	~93K+	Python SDK	🔥 最热门浏览器 Agent；DOM 重结构化；WebVoyager 89.1%；已发布自有模型 bu-30b；提供云服务（Browser Use Cloud）
Skyvern	~17.6K	业务平台	规划-执行-验证三阶段；纯视觉；支持 CAPTCHA、2FA；WebVoyager 85.85%
Stagehand	~6K+	开发者框架	Browserbase 出品；Playwright 级控制 + AI primitives（act/extract/observe）
Open Operator	新兴	Agent	Browser-Use 团队出品；OpenAI Operator 的开源替代；双模式（自主/审批）
GPT Researcher	~22.9K	研究 Agent	自主深度研究框架；Planner+多 Executor 并行爬取
Agent-E	~2.5K+	研究项目	DOM Distillation + Skill Harvesting；纯文本解析零视觉，成本最低

2.2 计算机控制 / 桌面 Agent

项目	Stars	核心亮点
Open Interpreter	~55K	终端 Agent；执行 Python/JS/Shell
Goose	~38.2K	Block 出品；自主执行完整工程任务；MCP 集成
UI-TARS Desktop	~32K	字节跳动；纯视觉 GUI Agent；跨平台；MCP 扩展
OpenManus / Atoms	~30K+	MetaGPT 社区复刻 Manus；已转向商业框架 Atoms
Agent-S	~9.4K	OSWorld 首次超越人类水平（72.6%）
UFO²	~7K	微软研究院；Windows 首个 UI-Focused Agent
Cua	新兴	纯视觉 Computer Use Agent；cua-driver 是 Hermes computer_use 的底层驱动
MAI-UI / Qwen-UI-Agent	~2.2K	阿里云通义官方；GUI Agent 基础模型（2B/8B 权重开源）；真实设备基准 MobileWorld；见 2.2.1

2.2.1 MAI-UI（阿里云通义官方 GUI Agent 基础模型，2026-08-23 新增调研）

项目：Tongyi-MAI/MAI-UI（Apache 2.0，官方背景：阿里云通义实验室 / Qwen 团队）。仓库同时含 MAI-UI 1.0 与继任 Qwen-UI-Agent（统一移动端/桌面/浏览器/DeepSearch 四场景的 foundation GUI agent），有正式技术报告（arXiv:2512.22047 / 2607.28227）。

怎么用（研究型，上手难度高）：

依赖：Python + vLLM（pip install vllm==0.11.0）+ HuggingFace/ModelScope 权重 + GPU
步骤：git clone → 下载模型（MAI-UI-2B / 8B 权重已开源；32B/235B 在 HF）→ vLLM 起 OpenAI API → pip install -r requirements.txt → 跑 cookbook 的 grounding.ipynb / run_agent.ipynb
官方发布渠道：HuggingFace Tongyi-MAI + ModelScope Tongyi-MAI

能力边界：✅ GUI grounding/navigation 研究、真实设备评测（MobileWorld 400+ 任务）、模型评估复现；❌ 非开箱即用产品（需本地 GPU/vLLM）；Qwen-UI-Agent 代码与完整模型尚未全部放出（有 issue 在催）；普通用户直接使用价值低。

对比同类：对比闭源 Computer Use / Operator 是开源 + 完整技术报告 + 官方背景；对比字节 UI-TARS，MAI-UI 有真实设备数据 + 线上 RL 路线；不足是使用门槛高（自起 vLLM）、社区规模小于 UI-TARS。

社区反馈 / 可靠性：2.2K★（2025-12 创建）、37 open issues（多为研究问题）；官方背景：阿里云通义实验室 → 最可靠一类；风险点是文档面向研究者。

2.3 Web Agent 赋能工具

项目	Stars	核心亮点
Crawl4AI	~58K	LLM 识别页面重要内容；Markdown 输出
FireCrawl	~20K+	网站 → Markdown/JSON；也提供浏览器沙箱模式
Nanobrowser	~3K	Chrome 扩展；工具栏直接控制

3. MCP 服务器生态

浏览器/桌面自动化 MCP 服务器超过 60 个。技术路线分四种实现模式：

模式	原理	代表	优缺点
结构化快照	无障碍树 → LLM 解析 ref → 执行	Playwright MCP、Chrome DevTools MCP	快、省 Token；依赖无障碍树
截图+视觉 AI	截图 → 视觉模型 → 坐标 → 执行	Browserbase MCP、Skyvern MCP	适用任何场景；Token 消耗大
自然语言 Agent	接收任务 → AI 自主规划 → 调用 API	mcp-browser-use、Gemini Computer Use MCP	最高抽象；执行时间长
传统选择器	LLM 生成 CSS/XPath → WebDriver	Puppeteer MCP、Selenium MCP	成熟稳定；选择器脆弱

3.1 浏览器自动化 MCP（热门度 Top 10）

MCP 服务器	Stars	维护方	类型	核心特性
chrome-devtools-mcp	40.3K	Google Chrome 官方	最强全能	43 工具 10 大类；支持 `--slim` 精简模式
playwright-mcp	官方	Microsoft	结构化快照	30+ 工具；无障碍树快照；跨浏览器
Skyvern MCP	15K+	Skyvern AI	视觉 AI	LLM + 计算机视觉；表单/下载/检索
Browserbase MCP	3.3K	Browserbase	云浏览器	反爬 Stealth、代理支持
agent-browser	775*	Vercel Labs	CLI 工具	Rust + Playwright；无障碍树快照省 93% 上下文；支持 CDP 复用登录态

*agent-browser 是当前省 token 的关键工具，Hermes 本地浏览器模式底层就是它。

3.2 计算机/桌面控制 MCP

MCP 服务器	平台	核心亮点
zavora-ai/computer-use-mcp	跨平台	Rust NAPI；窗口列表比 Python 快 97 倍
domdomegg/computer-use-mcp	跨平台	与 Anthropic Computer Use API 几乎相同
PyMCPAutoGUI	跨平台	34 个工具；基于 PyAutoGUI
MCPControl	Windows	TypeScript + keysender
CursorTouch/Windows-MCP	Windows	UIA 无障碍树路线品类第一（7.6K★）；任意 LLM 免视觉操控桌面 + PowerShell/Registry 等系统工具；详细调研见本目录《Windows-MCP-LLM操控Windows桌面.md》

3.3 新兴标准

名称	类型	状态	核心意义
WebMCP	W3C 草案	2026.4 草案	浏览器原生 API：网页主动声明能力；比截图快 6-12 倍
Web Agent Protocol	协议	社区	浏览器 Agent 标准化协议（from Braintrust）

4. 大公司产品与战略

4.1 三大巨头对比（2026-08 更新）

维度	Google	OpenAI	Anthropic
核心产品	Chrome Auto Browse	Atlas（已关）→ Chrome 扩展	Claude Computer Use + Claude Cowork
发布/状态	2026.1 上线 Chrome；2026.7 扩展到 Android；Google I/O 2026 宣布与 Gemini Spark 集成	Atlas 浏览器 2026.7 关闭，转向 ChatGPT Chrome 扩展	Computer Use 至今 Beta；Claude for Chrome 稳定
技术路径	Gemini 3 驱动，共享真实 Chrome 会话	关闭独立浏览器，转向 Chrome 扩展（学习 Atlas 经验）	截图→视觉→规划→GUI 执行
关键教训	Mariner 转 Chrome 内置成功	独立浏览器路线彻底关闭（Atlas 2026.7.10 关停）	独立 VM 路线 18 个月仍是 Beta
桌面入口	Chrome 内置（Gemini 侧边栏）	ChatGPT Chrome 扩展（页面上下文）	Claude for Chrome / Claude Cowork

4.2 其他重要玩家

公司/产品	定位	关键信息
OpenClaw	通用 AI Agent	2026.2 被 OpenAI 收购（$116M）；346K stars；独立基金会继续开源
Microsoft UFO²	Windows 桌面 Agent	开源；深度集成 Windows OS API
Manus	通用 AI Agent	2025.12 被 Meta 收购（~$2B）；云端多步骤任务
ByteDance UI-TARS	桌面 Agent	视觉模型驱动 GUI 操作
Perplexity Comet	浏览器 Agent	被 Amazon 起诉（CFAA），获初步禁令
Cognition (Devin)	AI 软件工程师	自主编程；浏览器+终端+编辑器
Amazon Nova Act	浏览器 Agent SDK	AWS 的浏览器自动化 SDK

4.3 行业共识（2026-08 再次验证）

独立 Browser Agent 路线已死：OpenAI Atlas 浏览器 2026.7.10 关停——这是最强证据。Google Mariner 也转为 Chrome 内置。
共享真实会话是唯一出路：Chrome auto-browse、ChatGPT Chrome 扩展、Claude for Chrome、OpenClaw user 配置、Hermes computer_use 全部走向”直接操作已有浏览器/桌面”。
反爬系统是结构性死敌：独立沙箱浏览器（无 cookie、无人类行为特征）天然被反爬识别。
Computer Use > Browser Agent：真正需求在桌面应用自动化，而非纯网页操作。

5. Skills / Agent 框架 / 插件 / 云服务

5.1 Agent 框架

框架	维护方	浏览器能力
LangChain / LangGraph	LangChain	内置浏览器工具（Playwright 集成）
AutoGen	Microsoft	WebSurfer Extension（Playwright 多 Agent）
CrewAI	社区	Web scraping + 浏览器工具
browser-use	社区	最完整的浏览器 Agent SDK
Stagehand	Browserbase	Playwright + AI primitives

5.2 云浏览器服务

服务	定位	关键能力
Browserbase	云端无头浏览器 PaaS	Agent Identity、session replay、captcha solving
Browserless	远程 Chrome 实例	REST/WebSocket API、Docker 自托管
Hyperbrowser	AI 浏览器云	内置 CUA/Computer Use Agent
Steel	浏览器 Agent 基础设施	session 管理 + 反爬
Firecrawl Browser	浏览器沙箱	远程容器跑 agent-browser + Playwright，本地零负担

5.3 浏览器 Skills 生态

Skill	用途
browser-automation（OpenClaw 内置）	快照恢复循环、稳定标签页、手动阻塞处理
agent-browser（Vercel）	Rust CLI，无障碍树快照，省 93% 上下文
Browserbase Skills	Claude Code/Cursor/Codex 的浏览器自动化插件

6. Agent 自带的浏览器/桌面能力（重点新增）

6.1 Hermes Agent（Nous Research）—— 当前最强的”直接操作本地”方案

Hermes 提供两套互补的浏览器/桌面能力：

A. browser 工具集（网页自动化）

后端多选：本地 Chromium（agent-browser CLI）/ Browserbase 云 / Browser Use 云 / Firecrawl 云 / Camofox 本地反检测（Firefox fork，指纹伪装）
混合路由：公网 URL 走云、本地/内网 URL 自动切本地 Chromium sidecar（默认开启）——开发时截图 localhost 不受云限制
能力：navigate / snapshot（无障碍树 + ref ID）/ click / type / scroll / press / back / get_images / vision / console / cdp / dialog
省 token：快照是无障碍树文本（同 agent-browser 思路），非整页 DOM
会话录制：browser.record_sessions: true 自动录 WebM
有头模式：browser.headed: true 可看可见 Chromium 窗口
登录态复用：/browser connect 可连接已有浏览器会话

B. computer_use 工具集（桌面级控制）—— 独有亮点

后台模式：不抢鼠标/键盘焦点、不切换虚拟桌面、真实光标不动，你和 agent 同机协作
底层：MCP over stdio → cua-driver（TryCua 开源）
- macOS：AX + SkyLight SPI（pid-scoped 无光标跳动）
- Windows：UIAutomation + SendInput/PostMessage（不抢焦点）
- Linux：AT-SPI + XTest/virtual-keyboard
能力：capture（SOM/vision/ax）/ click / type / key / scroll / drag / focus_app / list_apps / list_windows
支持任何视觉模型：Claude/GPT/Gemini/本地 vLLM/Ollama 均可，无 Anthropic 专属 schema
token 优化：20 步操作约 30K tokens 截图上下文（4 层压缩）
安装：hermes computer-use install + hermes computer-use doctor 诊断
安全：多层护栏 + approvals.mode: manual 每步确认

结论：Hermes 同时具备”网页级”（browser）和”桌面级”（computer_use）能力，且都能操作已有登录态（browser connect / computer_use 驱动真实窗口），是通用 Agent 中能力最完整的。

6.2 OpenClaw（OpenAI 收购后继续开源）

详见 openclaw浏览器能力调研.md（本目录）。要点：

默认隔离：托管专用 Chrome 配置（openclaw profile），不碰个人浏览器
user 配置：Chrome DevTools MCP 连接真实已登录 Chrome（首次需人批准弹窗）
chrome 配置：浏览器扩展驱动真实 Chrome，无人值守可远程（手机 Telegram/WhatsApp）
attachOnly / 远程 CDP：附加已有浏览器或远程 Chromium
能力：tabs / snapshot / act / screenshot / PDF / 下载拦截 / dialog 处理
省 token：无障碍树快照 + browser-automation Skill

6.3 对比矩阵：主流 Agent 浏览器能力

对比项	Hermes	OpenClaw	Claude Code/Desktop	Codex (OpenAI)
网页浏览器工具	✅ browser 工具集（多后端）	✅ browser 工具	✅（Claude for Chrome / MCP）	⚠️ 有限
桌面控制	✅ computer_use 后台模式	⚠️ 无（仅浏览器）	✅ Computer Use API（前台）	✅ macOS 插件
控制真实浏览器登录态	✅ browser connect / computer_use	✅ user/chrome 配置	✅ Chrome 扩展	✅（Chrome 扩展）
官方浏览器扩展	❌ 无	✅ chrome 配置（扩展驱动）	✅ Claude for Chrome	✅ Codex Chrome 扩展
后台不抢焦点	✅ 独有	N/A（浏览器隔离）	❌ 前台	❌ 前台
无人值守远程	✅ gateway 渠道	✅ 扩展模式	⚠️ 部分	⚠️ 部分
省 token 快照	✅ 无障碍树	✅ 无障碍树	✅	✅
安装复杂度	中（computer-use install）	中	低-中	低

6.4 浏览器扩展能力说明（2026-08 补充）

结论先行：Hermes 官方没有浏览器扩展（插件）方案——这是它与 OpenClaw/Claude/Codex 的一个真实能力差异。

Hermes：官方无扩展

官方文档只列 4 种浏览器后端：本地 Chromium（agent-browser CLI）/ 云浏览器（Browserbase / Browser Use / Firecrawl）/ Camofox（Firefox fork 反检测）/ CDP 连接（/browser connect）——没有任何 Chrome 扩展路线
操作已有浏览器的正解：① /browser connect（CDP，终端 CLI 用，需 --remote-debugging-port 启动）② computer_use（Desktop 会话可用，直接驱动屏幕上的浏览器窗口，复用登录态）
社区第三方插件（非官方，谨慎使用）：
- Chrome Web Store “Hermes Chrome Connector”（作者 naichadouban / waitkeeper，GitHub waitkeeper/hermes-chrome-plugin 仅 1★ 0 fork）——仿 Codex 扩展的社区实验品，需要额外装 hermes-chrome-plugin + 本地 bridge + /chrome authorize 命令；注意：Hermes 0.19.0 源码中不存在 /chrome authorize 命令与 chrome_* 工具，该插件在 0.19.0 上大概率跑不起来
- “Hermes Browser Extension”（abundantbeing，1.1K★）——是侧边栏聊天面板，不控制浏览器，只把网页上下文发给 Hermes

OpenClaw：官方扩展是核心卖点

chrome 配置（driver: "extension"）通过官方 Chrome 扩展驱动你已登录的真实 Chrome，即使电脑旁无人也可通过手机（Telegram/WhatsApp）远程使用
不需要远程调试端口，不弹 “Allow remote debugging?” 提示——这是 OpenClaw 相对 /browser connect 类方案的优势
中继服务拥有 local loopback 端点，因此 chrome 配置不接受 cdpUrl

差异小结

场景	Hermes	OpenClaw
需要官方扩展驱动已登录 Chrome	❌ 无（用 computer_use / CDP 替代）	✅ chrome 配置
无人值守远程操控浏览器	⚠️ 靠 gateway 渠道+computer_use 间接实现	✅ 扩展直连
不弹远程调试授权提示	⚠️ CDP 需要提前启动参数	✅ 扩展无需
社区替代方案	⚠️ 有但非官方、0.19.0 可能不可用	N/A

7. 基准评测与对比

7.1 WebVoyager Benchmark（643 任务 / 15 真实网站）

排名	工具	得分	技术路线
1	browser-use	89.1%	DOM 重构 + LLM 推理
2	Skyvern 2.0	85.85%	规划-执行-验证 + 视觉
3	Agent-E	73.1%	纯 DOM 解析（成本最低）
4	WebVoyager（基线）	57.1%	多模态（视觉模型）

7.2 OSWorld Benchmark（桌面操作）

系统	得分	备注
Agent-S	72.6%	🔥 首个超越人类水平的 GUI Agent
人类	72.4%	人类基线
OpenAI CUA	38.1%	—
Anthropic Computer Use	22.0%	—

7.3 浏览器自动化工具选型矩阵

维度	Browser-Use	Stagehand	Skyvern	agent-browser
核心定位	AI Agent SDK	AI 增强开发控制层	业务自动化平台	轻量 CLI
学习曲线	中	中高	低到中	低
可控性	中	高	中	中高
省 token	中	中	低	最高（93%）
适合对象	Agent builder	工程团队	ops / 业务自动化	所有 Agent 集成

8. 关键洞察与趋势

8.1 核心判断（2026-08 更新）

独立 Browser Agent 路线正式死亡：OpenAI Atlas 浏览器 2026.7.10 关停——最后一个独立浏览器玩家出局。行业共识彻底转向共享真实会话。
共享真实会话是唯一出路：Chrome auto-browse（Gemini 3）、ChatGPT Chrome 扩展、Claude for Chrome、OpenClaw user 配置、Hermes computer_use 全部同路。
通用 Agent 内置浏览器成为标配：Hermes、OpenClaw、Claude Desktop 都内置浏览器/桌面工具，不再需要单独拼 MCP。
省 token 是核心竞争力：agent-browser 无障碍树快照省 93% 上下文，Hermes/OpenClaw 都用此方案。截图+视觉路线 token 消耗是 30-60x。
后台协作模式是新方向：Hermes computer_use 的”不抢焦点后台操作”是独特优势——用户继续用电脑，agent 同时操作，不打断工作流。
开源生态持续繁荣：browser-use 93K★、Crawl4AI 58K★、OpenClaw 346K★（被 OpenAI 收购但继续开源）、UI-TARS 32K★。
WebMCP 值得关注：W3C 草案，网页主动声明能力给 AI，可能根本性改变交互方式。
移动端浏览器 Agent 开始渗透：Chrome auto-browse 扩展到 Android（2026.7 Google I/O），手机浏览器也能被 AI 操作。

8.2 技术路线选择指南

你的需求是什么？
│
├─ "我想快速验证一个浏览器 Agent 原型"
│   └─ 选 browser-use (Python) 或 agent-browser (CLI)
│
├─ "我要把网页业务流程做成可交付系统"
│   └─ 选 Skyvern (业务交付) 或 Stagehand (工程控制)
│
├─ "我已有 MCP 生态，要加浏览器能力"
│   └─ 选 playwright-mcp + chrome-devtools-mcp
│
├─ "我就在用 Hermes / OpenClaw，需要浏览器+桌面能力"
│   ├─ Hermes → 内置 browser 工具集 + computer_use（后台不抢焦点）
│   ├─ OpenClaw → browser 工具（user/chrome 配置复用登录态）
│   └─ 都不需要装额外东西
│
├─ "我要复用用户真实浏览器登录态"
│   └─ agent-browser --cdp / Hermes /browser connect / OpenClaw user 配置
│
└─ "我是工程师，要完全掌控底层"
    └─ Playwright 做底座，Stagehand 补 AI 能力

8.3 值得持续关注的新方向

Chrome auto-browse（Google）：Chrome 内置 AI 浏览，2026.1 桌面 + 2026.7 Android
ChatGPT Chrome 扩展（OpenAI）：Atlas 关闭后的替代路线，读取页面上下文
Claude Cowork（Anthropic）：不需要 terminal 的桌面产品
Hermes computer_use（Nous Research）：后台不抢焦点的桌面控制，独有定位
WebMCP（W3C 草案）：浏览器原生 API，比截图方案快 6-12 倍
OpenClaw 被收购后走向：OpenAI 持有，独立基金会维护，浏览器 user/chrome 配置模式持续演进

9. 连接已有浏览器的方案调研与实操指南（2026-08 新增）

本章合并自《连接已有浏览器的开源方案调研》《open-browser-use 与 chrome-devtools-mcp 实操指南》两篇笔记。
目标：找到开源、能连接已有浏览器（复用登录态）的操作方案，并给出已在 Hermes 上验证的实操步骤。
重点关注：**浏览器插件（extension）**方式。

9.1 方案总览（开源）

方案	类型	Stars	连接已有浏览器	是否扩展	适合 Hermes
chrome-devtools-mcp（Google 官方）	MCP 服务器	40.3K	✅ CDP	❌（新版支持 auto-connect 权限）	⭐⭐⭐ 首选
mcp-chrome（hangwin）	扩展 + MCP	12.3K	✅ 扩展直连	✅	⭐⭐⭐⭐⭐ 强烈推荐（主力）
open-browser-use（iFurySt）	扩展 + CLI/MCP	208	✅ 扩展直连	✅ Chrome MV3 扩展	❌ 已卸载（2026-08-16，被 mcp-chrome 取代）
Browser Bridge（vitalysim）	扩展 + MCP	5	✅ 扩展直连	✅ Chrome MV3 扩展	⭐⭐ 功能最强但小项目
OpenClaw chrome 配置	官方扩展	346K	✅ 扩展直连	✅	⭐⭐ 参考标杆
browser-harness（browser-use）	CDP harness	16.4K	✅ CDP 附加	❌	⭐⭐ 轻量
agent-browser（Vercel）	CLI	35K	⚠️ CDP 可连	❌	⭐⭐ Hermes 已内置
webclaw-mcp	扩展 + MCP	新兴	✅ 扩展直连	✅	⭐ 新项目待观察
browser-control-mcp（eyalzh）	扩展 + MCP	89	✅ 扩展直连	✅	⭐ 功能少
mcp-chrome（hangwin）	扩展 + MCP	12.3K	✅ 扩展直连	✅	⭐⭐⭐ 扩展路线最热门
BrowserSkill（腾讯）	扩展 + CLI/skill	1.2K	✅ 扩展直连	✅ Chrome/Edge	⭐⭐⭐ 2026-08-22 新装，见 9.7
bb-browser（epiral）	CLI + MCP（CDP）	6.1K	✅ CDP 复用登录态	❌ 非扩展	⭐⭐ 新调研，见 9.8

9.2 两条技术路线：扩展 vs CDP

浏览器插件（Extension）路线 —— 推荐方向

2026 年最被看好的路线：不用 CDP 端口、不用重开浏览器、直接在你已登录的 Chrome 里装个扩展，AI 通过扩展驱动真实标签页。

OpenClaw chrome 配置（业界标杆）：

官方 Chrome 扩展 → 驱动你已登录的真实 Chrome；手机远程也能用
不需要 --remote-debugging-port，不弹 “Allow remote debugging?” 提示
中继服务仅本地 loopback，与个人浏览器隔离是安全设计

CDP 路线（不用扩展，但需调试端口）

方案	说明
chrome-devtools-mcp	Google 官方，控制正在运行的 Chrome；新版 `--autoConnect` 在 chrome://inspect 启用后弹窗授权
browser-harness	browser-use 出品，薄 CDP harness，附加正在运行的 Chrome/Chromium
agent-browser	Vercel 出品，Hermes 本地浏览器底层，支持 `--cdp` 复用登录态
/browser connect	Hermes 自带，终端 CLI 附加本地 Chrome（需 `--remote-debugging-port=9222` + 独立 `--user-data-dir`）

扩展 vs CDP 对比

维度	浏览器扩展（extension）	CDP 远程调试
复用登录态/cookies	✅ 天然继承	✅ 继承（同一 profile）
需要重开浏览器	❌ 不用	⚠️ 首次需带 `--remote-debugging-port` 启动
弹窗授权	✅ 装扩展时授权一次	⚠️ 每次连接 Chrome 弹 Allow
无人值守远程	✅ 可做	❌ 需要人点 Allow
复杂页面/iframe 操作	⚠️ 受扩展权限限制	✅ CDP 全能力
稳定性	⚠️ 依赖扩展 API	✅ 稳定

9.3 open-browser-use（扩展驱动真实浏览器）—— ❌ 本机已卸载（2026-08-16）

⚠️ 现状：2026-08-16 已彻底卸载（MCP 配置、npm 包、Chrome 扩展、native host 全部清理）。卸载原因：mcp-chrome 能力全面碾压（语义交互/无障碍树/网络抓包/语义搜索），open-browser-use 仅剩 claim-tab/多 profile/action plan 三个相对优势，不构成并存理由。以下保留安装与使用记录供参考（如需重新评估可对照）。

是什么：平台中立的浏览器操作层：Chrome MV3 扩展 + obu CLI + 可选 MCP server。让你已登录的真实 Chrome 被 AI agent 驱动（复用登录态、接管真实标签页）。是 Codex.app “Chrome Browser Use” 的开源替代。GitHub: iFurySt/open-browser-use（MIT）。

安装步骤（本机 2026-08-06 实测，已不再需要）

# 1. 安装 CLI（Node ≥ LTS）
npm i -g open-browser-use

# ⚠️ 坑：npm 12+ 默认拦截 postinstall 脚本（native host 注册需要它）
# 必须重新执行一次允许脚本：
npm install -g --allow-scripts=open-browser-use open-browser-use

# 2. 注册 Chrome 集成（自动写 native host manifest + Chrome 注册表安装请求）
obu setup
#   ✅ Registered native host  C:\Users\Admin\AppData\Local\OpenBrowserUse\NativeMessagingHosts\...
#   ✅ Requested Chrome extension install  (id: bgjoihaepiejlfjinojjfgokghnodnhd)
#   ✅ Browser extension Installed vX.X.X and version matches CLI

安装后重启 Chrome（或确保 Chrome 开着）让扩展加载。

验证连接（历史记录）

obu ping --session-id "check" --browser chrome --profile Default
# → {"result": "pong"}
obu info --session-id "check" --browser chrome --profile Default
# → name: Open Browser Use Chrome, type: extension, version: 0.1.41
obu profiles --connected   # 列出已装扩展的浏览器/profile

本机踩坑：tasklist //FI "IMAGENAME eq chrome.exe" 查不到进程 ≠ Chrome 没开（过滤条件对多进程树不生效）。用 wmic process where "name like '%chrome%'" 才能看到完整进程树。扩展识别不到时先确认 Chrome 真的在运行。

常用 CLI 命令（历史记录）

export OBU_SID="obu-task-$(date +%Y%m%d%H%M%S)"   # 每任务独立 session id

obu user-tabs --session-id "$OBU_SID" --browser chrome --profile Default   # 列用户真实标签页
obu tabs --session-id "$OBU_SID"                  # 列本 session 管理的标签页
obu history --session-id "$OBU_SID" --query "xxx" --limit 20   # 搜 Chrome 历史
obu open-tab --session-id "$OBU_SID" --url https://example.com  # 开新标签页
obu claim-tab --session-id "$OBU_SID" --tab-id <id>            # 接管已有标签页
obu navigate --session-id "$OBU_SID" --tab-id <id> --url <url> # 导航
obu cdp --session-id "$OBU_SID" --tab-id <id> --method Runtime.evaluate --params '{"expression":"document.title"}'
obu finalize-tabs --session-id "$OBU_SID" --keep '[]'          # 收尾（默认不留标签）
obu run --session-id "$OBU_SID" -c 'open-tab https://... 
wait-load domcontentloaded
page-info
finalize-tabs []'                                  # 行式 action plan 编排

接入 Hermes（MCP，历史记录，已移除）

hermes mcp add open_browser_use --command obu --args mcp --session-id hermes-session --browser chrome --profile Default
# → ✓ Saved 'open_browser_use' to config.yaml (19/19 tools enabled)
hermes mcp list   # → open_browser_use obu mcp ... ✓ enabled

⚠️ 生效条件：MCP 工具在当前会话加载后才会出现，需开新会话（重启 Hermes Desktop 或新对话）才能被 agent 调用。

19 个 MCP 工具（历史记录）

tabs / user_tabs / history / open_tab / claim_tab / navigate / wait_load / page_info / cdp / move_mouse / wait_file_chooser / set_file_chooser_files / finalize_tabs / name_session / turn_ended / call / run_action_plan（+2 管理类）

能力边界（对照 mcp-chrome 的差异）

强项	弱项
接管用户真实标签页（claim-tab）	无 click(uid)/fill 语义，页内交互靠 CDP 注入 JS
复用登录态（天然继承 profile）	无无障碍树快照，页面状态靠 page-info + CDP
多浏览器/多 profile（chrome/chrome-beta/bitbrowser）	无视觉理解闭环
免调试端口、免弹窗（装扩展即连）	无性能/网络/内存调试能力
action plan 行式编排	Chrome 需保持运行，关了即断
安全规则明确：不碰 cookies/passwords，敏感操作问用户	全走本地 loopback

卸载记录（2026-08-16）：hermes mcp remove open_browser_use + npm uninstall -g open-browser-use + Chrome 扩展管理页移除（扩展目录 Extensions/bgjoihae...、Preferences/Secure Preferences 记录由 Chrome 自动清理）。

9.4 chrome-devtools-mcp（Google 官方 DevTools 工具包）—— 随时可配

是什么：让 AI agent 通过 MCP 控制真实 Chrome 的DevTools 全家桶：性能分析、网络抓包、内存诊断、Lighthouse 审计、批量填表。面向调试/QA，不是面向日常自动化。GitHub: ChromeDevTools/chrome-devtools-mcp（40.3K★，Google 官方维护），底层 Puppeteer + CDP。

安装配置

# 要求：Node LTS + Chrome 当前稳定版
hermes mcp add chrome-devtools --command npx --args -y chrome-devtools-mcp@latest

连接已有 Chrome 的两种方式：

# 方式 A：--browser-url 连调试端口（需独立 user-data-dir）
hermes mcp add chrome-devtools --command npx --args -y chrome-devtools-mcp@latest --browser-url http://127.0.0.1:9222
# 先启动 Chrome：
# "C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222 --user-data-dir="%TEMP%\chrome-profile-stable"

# 方式 B：--autoConnect（新版，Chrome 弹窗授权，不用端口转发）
# Chrome 先打开 chrome://inspect/#remote-debugging 启用，然后 --autoConnect 连接，点 Allow

⚠️ 安全警告：开调试端口期间”任何应用都能控制浏览器”，官方建议不要在开端口时浏览敏感网站。

工具清单（8 大类 ~50 个，默认激活部分）

类别	工具数	代表工具
Input automation	10	click / drag / fill / fill_form（批量填表） / handle_dialog / hover / press_key / type_text / upload_file / click_at
Navigation	6	new_page / navigate_page / list_pages / select_page / close_page / wait_for
Emulation	2	emulate（UA/视口/地理位置/网络/CPU/暗色）/ resize_page
Performance	3	performance_start_trace / stop_trace / analyze_insight
Network	2	list_network_requests / get_network_request
Debugging	8	evaluate_script / console 消息 / take_screenshot / take_snapshot / lighthouse_audit / screencast
Memory	12	堆快照全套（take/compare/dominators/retainers…）
Extensions*	5	安装/列出/重载/触发/卸载扩展（需 `--categoryExtensions`）
Third-party*	2	执行页面暴露的第三方工具（需 flag）
WebMCP*	2	执行页面暴露的 WebMCP 工具（需 flag）

（* 默认不激活，需显式 flag）

能力边界

强项	弱项
DevTools 级调试：性能 trace、网络抓包、内存堆快照、Lighthouse	官方只支持 Chrome + Chrome for Testing（其他不保证）
fill_form 批量填表（比多次 fill 快且稳）	无扩展路线（也是 CDP 方式，auto-connect 仍要弹窗）
emulate 设备模拟/节流	遥测默认开启（`--no-usage-statistics` 可关）
浏览器扩展管理（安装/触发/卸载）	性能工具可能发 trace 到 Google CrUX（`--no-performance-crux` 关）
官方维护、功能最全	无自带视觉理解闭环（截图后决策靠客户端）

9.5 已卸载方案 vs 可用方案对比速查（open-browser-use 历史对照）

open-browser-use 已于 2026-08-16 卸载，下表保留对照（历史参考）：日常操作真实浏览器请用 mcp-chrome（9.6），调试网页问题用 chrome-devtools-mcp。

维度	open-browser-use（❌ 已卸载）	chrome-devtools-mcp
连接方式	扩展（装即连，免端口）	CDP（调试端口 / auto-connect 弹窗）
页面交互	弱（CDP 注入）	强（uid + fill_form 批量）
Tab 接管	✅✅ 核心强项	基础（list/new/select/close）
性能/网络/内存	❌	✅✅ DevTools 全家桶
Lighthouse	❌	✅
多浏览器/profile	✅✅	❌ 仅 Chrome
遥测	无（本地闭环）	默认开（可关）
定位	浏览器代理底座（让 agent 用你的浏览器干活）	调试/QA 工具箱（检查页面哪里有问题）
适合	日常自动化 + 复用登录态	性能/网络/内存调试、批量填表、QA

结论：open-browser-use 已卸载（2026-08-16），不再使用。当前本机浏览器 MCP 格局：日常操作真实浏览器 → mcp-chrome（主力，见 9.6）；调试网页问题 → chrome-devtools-mcp（可配）。

9.6 扩展路线深度调研：mcp-chrome（2026-08 新增，⭐⭐⭐⭐⭐ 强烈推荐）

2026-08-11 按《Skill平台调研与查找策略.md》方法论补充调研扩展路线代表方案 mcp-chrome，重点回答：它与已装的 open-browser-use 相比如何？值不值得切换？
2026-08-12 结论：已安装配置完成 + 端到端实测通过，强烈推荐作为主力浏览器 MCP。 以下为本机完整记录。

9.6.1 mcp-chrome（hangwin/mcp-chrome）—— ⭐12.3K 扩展路线最热门 ✅已安装 ✅实测通过

是什么：Chrome 扩展型 MCP server，直接暴露你日常 Chrome 的功能给 AI（Claude 等），支持复杂浏览器自动化、内容分析、语义搜索。直接用日常浏览器——保留用户习惯、配置、登录态。

维度	详情
GitHub	`hangwin/mcp-chrome`（MIT，12.3K★ / 1,118 fork，TypeScript，192 commits）
活跃度	✅ 2026-01-06 有更新（约 7 个月前）
原理	Chrome 扩展 + mcp-chrome-bridge（本地桥接）→ MCP server
本机状态	✅ 2026-08-12 安装配置完成，27/27 工具启用，实测通过

🏆 为什么强烈推荐（2026-08-12 实测体验）：

语义交互是”代差级”优势：chrome_read_page 把页面变成带 ref_* 的结构化树（按钮/链接/输入框/坐标/URL），chrome_click_element ref_9 一句话点准——open-browser-use 只能注入 JS 算坐标，页面一变就失效
实测场景全通：读标签页列表（25 tab）、读无障碍树（170 元素/90 ref）、ref 点击（年龄验证弹窗）、执行 JS 提取数据、导航到模型页按 Top Rated 排序、详情页验证评分 100%——一气呵成
对爬虫/逆向场景价值极高：chrome_network_capture_* 含响应体抓包、chrome_javascript 直接跑任意 JS、跨 tab 向量语义搜索——都是逆向工作流刚需
27 个工具覆盖：语义交互/无障碍树/网络抓包/语义搜索/截图/书签/历史/表单/键盘/上传/弹窗/GIF 录制，几乎没有短板
安装维护成本低：bridge 由扩展自动拉起（native messaging），无需手动启动；doctor 一条命令诊断

🟢 本机安装记录（2026-08-12，Hermes）：

# 1. 安装桥接（注意：npm 12 需 --allow-scripts 才能注册 native host）
npm install -g mcp-chrome-bridge --allow-scripts=mcp-chrome-bridge,better-sqlite3

# 2. 下载扩展到持久目录（GitHub releases: mcp-chrome-extension-v1.0.0.zip）
#    → C:\Users\Admin\AppData\Local\chrome-mcp-extension\ （⚠️ 此目录不能删，删了扩展失效）
# 3. Chrome 加载：chrome://extensions/ → 开发者模式 → 加载已解压 → 选该目录
#    扩展 ID：hbdgbgagpkpjffpklnamcljpakneikee

# 4. Hermes MCP 注册（stdio 模式，桥接自动被扩展拉起）
echo "Y" | hermes mcp add mcp-chrome --command "C:\\Users\\Admin\\AppData\\Local\\hermes\\node\\mcp-chrome-stdio.cmd"

验证：hermes mcp test mcp-chrome → ✓ Connected (469ms)；bridge http://127.0.0.1:12306/ping → pong；native host com.chromemcp.nativehost 已注册。

📋 实测记录（2026-08-12 实战演示，Pornhub 搜索+评分筛选）：

用户需求：打开 pornhub.com 搜索"台北nana"，找一部评分高的
执行链路（全部走 mcp-chrome）：
1. chrome_get_windows_and_tabs  → 列出 2 窗口 25 标签页，确认目标 tab
2. chrome_read_page             → 无障碍树解析 170 元素/90 ref，识别年龄验证弹窗
3. chrome_click_element ref_9   → 语义点击 "I am 18 or older - Enter"（clickMethod: ref）
4. chrome_navigate              → 跳转 Nana_taipei 模型页 Top Rated 排序（?o=tr）
5. chrome_javascript            → 提取视频列表（标题/播放/时长），定位 Top Rated 第一
6. chrome_navigate + JS         → 打开详情页，提取评分 = 100% ✅
结果：推荐《Preview edition: Beautiful woman in sexy high-heeled stockings...》评分 100%

⚠️ 已知问题与修复（2026-08-12）：

重启后报 Already connected to a transport：Hermes 重启后残留多个 stdio 代理进程同时连 bridge（bridge 只允许单连接）。修复：taskkill /PID <残留进程> /F 杀掉多余的 mcp-server-stdio.js 进程，bridge 保留，下次调用自动恢复
bridge 被杀后自动重启：扩展通过 native messaging 会自动拉起 bridge（新 PID），无需手动处理

对比 open-browser-use（2026-08-12 能力评估结论；obu 已于 08-16 卸载）：

维度	mcp-chrome（12.3K★，已装）	open-browser-use（208★，❌ 已卸载）
社区热度	✅✅✅ 高	⭐ 低
更新	7 个月前	✅ 活跃（v0.1.41）
复用登录态	✅	✅
语义交互	✅✅ ref 定位点击/填表/键盘/拖拽	❌ 弱（只能 CDP 注入 JS）
无障碍树快照	✅ chrome_read_page	❌
网络抓包	✅✅ chrome_network_capture_*（含响应体）	❌
跨 tab 语义搜索	✅✅ 内置向量数据库	❌
截图	✅ 元素/全页截图	❌
书签管理	✅ 增删查	❌
历史搜索	✅ 文本+时间过滤	✅
Tab 管理	✅ 基础（switch/navigate/close）	✅✅ 更强（claim_tab/action plan/多 profile）
文件上传	✅ chrome_upload_file	✅

结论：✅✅ 能力全面更强，强烈推荐，已切换为主力。 open-browser-use 已于 2026-08-16 彻底卸载（评估期并存后确认无需保留）。

📖 mcp-chrome 使用教程（Hermes）：

新会话后可用 mcp-chrome 的 27 个工具，核心用法：

看浏览器状态：chrome_get_windows_and_tabs → 列出所有窗口/标签页
读页面内容：chrome_read_page → 返回无障碍树 + ref_* 标识符（省 token 地理解页面）
点击/交互：chrome_click_element（支持 ref/selector/坐标）→ 读页面的 ref 直接点
填表：chrome_fill_or_select（支持 input/select/checkbox）
键盘：chrome_keyboard（Ctrl+C/Enter/Tab 等）
执行 JS：chrome_javascript（爬虫/逆向必备，直接跑任意 JS）
抓包：chrome_network_capture_start → 操作 → chrome_network_capture_stop（含响应体！）
语义搜索：search_tabs_content（跨所有标签页向量搜索）
截图：chrome_screenshot（元素/全页/base64）
书签/历史：chrome_bookmark_search / chrome_history
上传文件：chrome_upload_file；弹窗：chrome_handle_dialog；GIF 录制：chrome_gif_recorder

常用说话方式（对 Hermes 说即可）：

“用 mcp-chrome 看下我现在打开的标签页”
“用 chrome_read_page 读当前页面，给我 ref 列表”
“用 chrome_click_element 点 ref_12”
“抓一下这个页面的网络请求，看 API 返回了什么”

⚠️ 注意事项：

扩展目录 C:\Users\Admin\AppData\Local\chrome-mcp-extension 不能删（解压加载，删除即失效）；Chrome 更新后若扩展失效需重新加载
bridge 由扩展自动拉起（native messaging），无需手动启动；手动可用 mcp-chrome-bridge.cmd doctor 诊断
mcp-chrome 工具需新会话才加载（Hermes MCP 机制）

9.7 BrowserSkill（腾讯，2026-08 新增，已装）—— 扩展直连 + 独立 Agent Window

2026-08-22 调研并本机安装完成。核心差异化：自动化在独立可见的 Agent Window 里跑，不打断你自己的工作；复用真实登录态；内置 human-in-loop。 由腾讯开源（MIT，2026-06-22，~1.2K★），仓库 Tencent/BrowserSkill，支持 Hermes / dsh / Cursor / Claude Code / Codex / OpenClaw 等所有能调 shell 的 Agent。

9.7.1 原理（本地桥接，分 4 层）

Agent (Hermes/dsh/Cursor…)
   │  ① browser_ 工具 或 shell: bsk <cmd>
   ▼
bsk CLI ──②本地IPC──▶ bsk daemon ──③WebSocket(127.0.0.1)──▶ 浏览器扩展
                                                              │ ④自动化
                                                              ▼
                                        Agent Window（独立）+ 借用标签时才碰用户窗口

Agent 不直接跟浏览器通信，全程 bsk CLI → daemon → 扩展；dsh 走独立插件（@wxg-prc-cpg/browser-skill-dsh-plugin）注入原生 browser_* 工具
daemon 与扩展都跑在本机 loopback（扩展只连 127.0.0.1）
用户窗口默认只读，仅显式 bsk tab borrow 才临时接管，任务完 bsk tab return

9.7.2 能力清单

能力	说明
会话管理	`bsk session start/stop/list`，开独立 Agent Window
导航	navigate / back / forward / reload，带 wait-until 控制
页面理解	`bsk snapshot`（无障碍树 + `@eN` ref，省 token）/ `observe`（语义 VOM）/ get-html / screenshot
交互	click / fill / select / press，ref 或 CSS 选择器
设备模拟	`bsk emulate`，iPhone 14 等移动端视口/UA/触摸
标签管理	create / close / select / borrow（借用户标签）/ return
执行 JS	`bsk evaluate`（高权限，慎用）
录制	`bsk record` 录用户操作成 trace.json，供后续 LLM 驱动
人机协作	`bsk request-help`——验证码/登录/OTP 时主动请求你接管

9.7.3 能力边界

不采凭据：禁止对银行/SSO/密码管理器页面 bsk evaluate 提取 token/cookie/密钥
不长期占用：借标签仅即时步骤，任务完成必须 bsk session stop
受扩展权限限制：复杂页面/iframe 操作不如 CDP 全能力
仅 Chromium：Chrome/Edge（Firefox 计划中）
浏览器必须开着：扩展断了即失效
同 open-browser-use：依赖扩展 → 安全性由扩展权限模型约束

9.7.4 本机安装记录（2026-08-22，Hermes）

# 1. bsk CLI（Windows PowerShell 官方安装脚本；因本机 Get-FileHash 模块异常改手动）
#    手动：下载 bsk-v0.1.10-x86_64-pc-windows-msvc.zip → SHA256 校验 → 解压 bsk.exe 到 ~/.local/bin
# 2. 环境变量：user PATH 加 C:\Users\Admin\.local\bin（PowerShell/cmd 持久）+ ~/.bashrc（git-bash）
# 3. Hermes skill：bsk install-skill 自动装到约定目录
#    C:\Users\Admin\Desktop\AI知识库&blog\AI_workspace\skill\browser-skill\SKILL.md（external_dirs）
# 4. 浏览器扩展：Chrome Web Store / Edge Add-ons 安装 BrowserSkill（用户已装，扩展已连通）
# 验证：bsk doctor 全 ok（含 extension connected: 1 browser）

⚠️ 新 skill 需新会话才被 Hermes 识别（skill 索引为启动时快照）。

9.7.5 与 mcp-chrome 对比（mcp-chrome 当前 disabled，用户暂时关闭）

维度	mcp-chrome（hangwin，已装/disabled）	BrowserSkill（腾讯，已装/启用）
连接方式	Chrome 扩展 + mcp-chrome-bridge → MCP server	扩展 + bsk CLI/daemon → skill（或 dsh 插件注入原生工具）
接入 Hermes	MCP 工具（27 个，`chrome_*`）	skill（browser-skill，走 bsk CLI）
复用登录态	✅	✅
自动化隔离	驱动你的真实标签页	✅✅ 独立 Agent Window，不打断你的工作
页面理解	`chrome_read_page` 无障碍树 + ref	`bsk snapshot` 无障碍树 + `@eN`
语义交互	✅ ref 点击/填表/键盘/拖拽	✅ ref 点击/填表/键盘
网络抓包	✅✅ `chrome_network_capture_*`（含响应体）	❌ 无
跨 tab 语义搜索	✅✅ 内置向量数据库	❌ 无
执行 JS	✅ `chrome_javascript`	✅ `bsk evaluate`（强调慎用/红线）
设备模拟	✅	✅ `bsk emulate`
录制回放	GIF 录制	✅ `bsk record` trace.json 录制
书签/历史	✅ 增删查	❌ 无
文件上传/弹窗	✅ chrome_upload_file / handle_dialog	⚠️ 部分（request-help 处理需人工）
human-in-loop	⚠️ 有限	✅✅ `bsk request-help` 主动请求人接管
会话隔离	直接操作现有 tab	✅ 独立 session + Agent Window
多 Agent 共享	单连接（多连报 Already connected）	✅ 多 session，但插件只认自己创建的
省 token	无障碍树	无障碍树
社区热度	⭐ 12.3K★（成熟）	⭐ 1.2K★（腾讯，较新）
更新活跃	7 个月前	✅ 活跃（2026-08-21 刚发 dsh 插件 v0.1.1）

结论：mcp-chrome 胜在功能广度（网络抓包/语义搜索/书签/上传等 MCP 工具全家桶，逆向工作流刚需）；BrowserSkill 胜在架构设计（独立 Agent Window 不打断工作 + human-in-loop + 多 Agent 会话隔离，腾讯背书）。两者都是扩展直连真实浏览器。当前 mcp-chrome 已 disabled，可随时重新启用作为功能补充；日常用 BrowserSkill 即可。

9.8 bb-browser（epiral）—— 复用登录态的浏览器 CLI/MCP（2026-08-23 新增调研）

项目：epiral/bb-browser（MIT，TypeScript）。npm 包 bb-browser，latest 0.14.2。Slogan：“Your browser is the API. No keys. No bots. No scrapers.” 让 AI Agent 直接使用你已登录的 Chrome（Twitter/Reddit/YouTube/知乎/B站/GitHub 等登录态）访问网站。

9.8.1 原理（浏览器即 API）

不是让网站提供机器接口，而是让机器用人类接口：在浏览器 tab 里跑 eval、用你的 cookie 调 fetch()、或调用网页自己的 webpack 模块——“网站以为是你，因为它就是你”。

AI Agent (Claude Code / Codex / Cursor …)
    │ CLI 或 MCP (stdio)
    ▼
bb-browser CLI ──HTTP──▶ Daemon ──CDP WebSocket──▶ 你的真实 Chrome（已登录）

9.8.2 安装与用法（上手难度：低～中）

依赖：Node.js 18+ + Chrome（真实登录态）。

npm install -g bb-browser
bb-browser site update        # 拉取社区适配器
bb-browser site zhihu/hot     # 知乎热榜
bb-browser site twitter/search "AI agent"   # 搜推文

接入 AI Agent：

MCP（Claude Code / Cursor）：npx -y bb-browser --mcp 加入 mcpServers
OpenClaw：免扩展直接跑（bb-browser site reddit/hot --openclaw）
完整浏览器自动化：bb-browser open/snapshot/click/fill/eval/fetch/network/screenshot，全部支持 --json / --jq / --tab 并发多 tab

9.8.3 能力清单

36 平台 103 命令（社区驱动，bb-sites）：

搜索：Google/Baidu/Bing/DuckDuckGo/搜狗微信；社媒：Twitter/Reddit/微博/小红书/Jike/LinkedIn/Hupu
资讯：BBC/Reuters/36kr/头条/东方财富；开发者：GitHub/SO/HN/CSDN/cnblogs/V2EX/npm/PyPI/arXiv
视频：YouTube/Bilibili（含 transcript）；财经：雪球/东方财富/Yahoo；求职：Boss/LinkedIn；知识：Wikipedia/知乎
还有完整浏览器自动化（点击/填表/截图/执行 JS/抓包/无障碍树）

9.8.4 能力边界 / 风险

✅ 网站数据获取（借登录态）、浏览器自动化、跨平台研究、--json/--jq 结构化输出
❌ 不能解决需要官方 API 的场景；依赖 Chrome 开着
⚠️ 合规/封号风险：用个人登录态抓数据需注意各站 ToS；非官方 API 抓取有账号风控风险
⚠️ 适配器由社区维护（bb-sites），冷门站点覆盖不稳
❌ 只支持 Chromium 系；Firefox/WebKit 不支持

9.8.5 与同类方案对比

维度	Playwright/Selenium	纯爬虫库	bb-browser
浏览器	无头、隔离	无浏览器	你的真实 Chrome
登录态	无，需重登录	cookie 提取	已有
反爬	易被检测	猫鼠游戏	隐形——它就是你
复杂认证	无法复刻	逆向工程	页面自己处理

对比本报告 9.1 的扩展路线方案（mcp-chrome/BrowserSkill）：bb-browser 走 CDP + 浏览器内 eval/fetch（不是扩展），登录态天然继承；但它不提供独立 Agent Window（不像 BrowserSkill），直接在用户标签页操作，隔离性弱于 BrowserSkill。

9.8.6 社区反馈 / 可靠性

6.1K★ / 594 fork / MIT / npm 月下载 ~3000 / 42 个版本（latest 0.14.2）
⚠️ 更新放缓：GitHub 最新 commit 2026-05-29（约 3 个月无更新），npm latest 0.14.2 也停在 2026-05-29 —— 需持续观察
85 个 open issue（含 Windows/WSL 兼容、MCP 参数、daemon 端口冲突等）
个人项目（epiral/yan5xu，OpenClaw 生态内知名），无官方背景
可靠性判断：功能有趣、生态活跃（bb-sites 621★）但更新放缓；涉及账号合规风险，用前评估。本机未安装，暂不推荐作为主力（本机主力仍是 mcp-chrome / BrowserSkill）

9.9 针对 Hermes 的最终建议

🔝 强烈推荐（主力）：mcp-chrome（2026-08-12 已装 + 实测通过，语义交互/抓包/语义搜索全面碾压已卸载的 open-browser-use，详见 9.6）。⚠️ 2026-08-22 当前已 disabled（用户暂时关闭），可随时重新启用
🆕 新增推荐（2026-08-22 已装）：BrowserSkill（腾讯） —— 独立 Agent Window 不打断工作 + human-in-loop + 腾讯背书，日常用很合适，详见 9.7
~~open-browser-use~~ 已卸载（2026-08-16）——被 mcp-chrome 取代，无需再装
官方稳妥路线：chrome-devtools-mcp –autoConnect —— Google 官方、功能最全、弹窗授权清晰；与 mcp-chrome/BrowserSkill 互补（调试场景用）
进阶（安全测试/抓包）：Browser Bridge —— 功能天花板最高，但项目小、需观察
零安装：Hermes 内置 /browser connect + computer_use 已经能覆盖大部分场景