比Playwright更给力的AI Agent浏览器自动化开源项目

事情是这样的。 最近这一两年，日常的活基本都交给 Claude Code 了。让它帮忙整理文件、写代码、查资料、做总结，凡是能交出去的绝不动手。一个很深的感受是，Agent 这种东西，用得越深，越离不开它。但用得越深，也越能踩到它的坑。 前两天就踩了一个特别离谱的坑。 想让 Agent 去某个网站抓一点数据回来。听着不复杂，就是打开网页、等加载完、把内容拽下来。脑子里想，这玩意不就是个 Playwright 的活吗，几行代码的事。结果一跑起来，整个人都不好了。 第一关，登录态没。Agent 打开的浏览器是个什么都没有的全新小白板，连账号都没登录，直接被拦在门口。第二关，验证码。好不容易绕过登录这关，网站弹出来一个滑块。Agent 直接卡死，task 中断，啥都干不了。第三关，反爬。某些网站都不点名了，Agent 的请求一发出去，直接被 Cloudflare 拦在 403 那一页，连页面长啥样都没看到。 折腾了两个小时。期间还自己上手写 Playwright，写一段、跑一次、报错一次、再改一次。捣鼓下来，感觉头发都少了几根。 当时就在想，AI Agent 操纵浏览器这个事，听着是真性感，跑起来是真操蛋。 后来冷静下来想了一下，这其实不是 Agent 不聪明，是它缺一个稳定的浏览器执行层。Agent 自己，是个脑子。它需要一双手，一双能真正伸到浏览器里的手。然后有个朋友推荐了一个 GitHub 开源项目，叫 BrowserAct。

本来是抱着试试看的心态。浏览器自动化这块，已经被各种工具伤过太多次了，那种一看就牛逼轰轰的项目见过太多，真上手全是坑。但这次，是真的被爽到了。 先简单说一下这玩意是啥。BrowserAct 是一个面向 AI Agent 的浏览器自动化 CLI。注意这个定语，面向 AI Agent。这就跟传统的 Playwright、Selenium 完全不是一个物种。Playwright 是给程序员写脚本用的，你写一行代码，它执行一个动作。它是个确定性的执行工具，你让它点哪里它就点哪里。但 BrowserAct 不一样，它是给 Agent 用的「真实浏览器执行层」。你不用告诉它先点哪个按钮、再点哪个按钮，你只要告诉它「我要干嘛」，剩下的它自己想办法。而且它解决了那天晚上踩的所有坑。 一个一个说。

动态加载？直接拿下

回到抓数据这块。最先试的，是抓一个动态加载的网站。就是那种页面源码里啥都没有，所有数据都是 Ja vaScript 异步加载的网页。搞爬虫的朋友应该都知道这种页面有多恶心。 让 Claude Code 分别用三种方式去抓：curl、WebFetch、还有 BrowserAct。curl 是最原始的，纯命令行请求。它连 Ja vaScript 都不执行，碰到动态页面直接拿回来一堆空壳。WebFetch 稍微高级一点，但说到底还是个静态请求工具。结果也确实是这样。curl 拿回来的就是一堆 HTML 框架，数据是一个没有。WebFetch 也差不多。 但 BrowserAct 这边，它启动了一个 Stealth 浏览器实例，真实地把页面加载完了，把 Ja vaScript 跑完了，然后再把数据拽出来。跑完一看，电影名称、评分，整整齐齐躺在表格里。

当时就觉得，有点意思。

反爬？Cloudflare 也能绕

但这个还不够刺激。真正让人「卧槽」的，是第二个场景，反爬。玩过爬虫的朋友应该都懂，IP 被限这个事，是个绕不开的痛。你高频访问一个网站，IP 迟早要被风控盯上。 让 BrowserAct 用 Stealth 浏览器配合动态袋里，去抓 Product Hunt 今日热门产品。为啥选这个站，因为这玩意上面套了一层 Cloudflare。一般工具进去就是 403。 让 Agent 分别用直连和动态袋里两种方式去抓。直连那次，请求一发出去，直接被 Cloudflare 拦死。返回的就是那个经典的「Just a moment...」等待页面，Agent 在那转圈，啥也进不去。动态袋里那次，成功进去了。不仅进去了，还把今日热门产品列表完整地抓了回来。

看了一下它的工作原理。动态袋里让请求的 IP 跟直连不一样，再加上 Stealth 浏览器的指纹伪装，两层叠加之后，网站看到的是「不同地方的不同用户在正常浏览」。被拦的概率，大幅下降。 到这里，已经觉得这玩意很能打了。

账号长期登录？这才是灵魂

但更骚的还在后面。第三个场景，是这个项目真正戳到我的点：账号长期登录。 很多朋友可能没意识到这个事有多重要。解释一下。你想想看，假设你有一个 X 账号，你今天用 IP-A 登录，明天用 IP-B 登录，后天又换一个 IP-C。每次的浏览器指纹还都不一样。平台会怎么判断？它会认为你的账号在被一群不同的人使用，或者在被批量操作。然后你的号就没了。 所以对于多账号运营、多店铺管理、长期数据采集这种场景，你需要的是固定 IP 加固定指纹。这就是 BrowserAct 的静态袋里功能。 用静态袋里绑定了一个 Stealth 浏览器，去访问 X。第一次访问，拿到了主页前 10 个帖子的标题、点赞数、评论数，还有浏览器的出口 IP、Cookie 摘要、指纹摘要。到这里都很正常。 真正炸的，是接下来的操作。关掉了这个会话。过了一段时间，重新启动 Agent，再让它做同样的操作。新开一个会话，重启浏览器，再访问一次 X。 两次结果放在一起对比，真的被惊到了。 IP 完全一致。两次独立会话、两次浏览器重启，IP 始终锁定在 28.56.87.14。Cookie 关键信息一致。10 个 Cookie 里 8 个完全一致。最关键的 loid，就是 X 的匿名用户 ID，跨会话不变。这意味着 X 把这两次访问识别为同一个用户，不会触发「新设备登录」检测。浏览器指纹一致。两次会话生成的指纹完全相同。 也就是说，IP、Cookie、指纹三项全部一致，唯一变化的是内容本身。这正是「一个正常用户多次打开 X」该有的样子。同一台设备，同一个网络环境，每次看到的是最新内容。 测完之后愣了一下。因为这一刻突然意识到，Agent 终于能像人一样操纵浏览器了。

一点更深的思考

聊到这儿，想说点更深的。行业这一两年一直在喊 AI Agent 会碘伏这个、会碘伏那个。但你真正下场用就会发现，Agent 能做的事情，其实是非常有限的。它很聪明，能理解你的意图，能写代码，能写文章。但它同时也很无力。它没有手，没有眼睛，没有登录态，没有指纹，没有 Cookie。它需要别人帮它把那些「真实世界」的事情先处理好。 BrowserAct 干的就是这个事。它不是让 Agent 更聪明，而是让 Agent 终于能「进得去」。 有时候会觉得，AI 这波浪潮里，最值得做的不是模型本身，而是模型跟真实世界之间的那层「基础设施」。模型是大脑，基础设施是手脚。光有大脑没有手脚，它就只能活在对话框里。BrowserAct 就是给 Agent 长了一双能真正伸到浏览器里的手。这双手能不能敲代码、能不能写文章不重要。重要的是，它能登录、能通过验证码、能不被反爬识别。它能进去。能进去，是一切的前提。 前段时间一直有个感觉，AI 这块，最稀缺的不是花活，是基建。能把基建做扎实的人，比会做花活的人值钱多了。BrowserAct 算是其中一个。

安装和最后的话

最后说一下安装。很简单，在 Claude Code 或者 Cursor 里，把这个项目的 GitHub 链接发给 Agent，让它自己装就行。不用动手。 ``` 安装 browser-act skill: https://github.com/browser-act/skills/tree/main/browser-act ```

Agent 会自己跑完整个安装流程，还会顺手验证一下能不能用。 说真的，这个项目是打算长期用下去的。它解决的不是「让 Agent 跑得更快」的问题，而是「让 Agent 跑得进去」的问题。这两个问题，听起来差不多，实际上差了十万八千里。 那天晚上踩完坑之后，最大的感受就是，AI 这玩意，未来一定不是模型在单打独斗，而是模型加一堆基础设施在打配合。谁能把基础设施这一层做扎实，谁就能在 AI 这一波里站得更稳。 好了，今天就聊到这。