专为Agent打造的浏览器Ego Lite上线

刚刚还在用 Agent 处理邮件，转眼间又让 Agent 去驱动浏览器获取信息了——这感觉，有点像打开了新世界的大门。

1

最近在折腾的一个小工具，叫 Ego Lite。这玩意儿，专门是给 Agent 用的。比如在 Agent 工具（比如 Codex）里，你直接说：

@ego lite 看下 mowen.cn 里，首页“正在关注”里有哪些更新，选前二十条，包括作者、文章名称（附链接），和文章的摘要。

有意思的是，Ego Lite 的人机交互界面完全不受影响，Agent 也不会打开新的浏览器窗口——不像 Codex 操作 Chrome 那样，在你眼前乱点——它只是默默工作，完事后给你最终结果。

这就是 Agent Browser。

2

之前聊过的 AI 浏览器，比如 Dia、Tabbit 之类，思路是在浏览器里嵌入大模型，做大量工程优化，让用户在阅读、查找、翻译、重构页面、总结甚至写作时，能快速用上大模型协作。这些工具确实好用，而且是为人类设计的。

Ego Lite 则完全是为 Agent 准备的，当然人类也能用，这和之前提到的 QQ 邮箱团队出品的 Agent Mail 一脉相承。Agent Mail 更激进，甚至没有人类操作的入口，只能由 Agent 全权处理邮件。

过去让 Agent 打开浏览器，主流方案是 Computer Use——模拟操作电脑，打开浏览器，然后滚动、点击、复制、整理一大堆。Agent 要干的事包括：保持登录态、看懂页面结构、点对按钮，必要时还得从脚本里扒出真实数据接口。

Ego Lite 的做法，更像是让一个程序员坐在浏览器后台干活，而不是让 Agent 去“看”网页。页面只是个入口，真正的战场是 DOM、网络请求、前端 bundle、返回的 json、并行任务……这些才是 Agent 要处理的核心内容。

也就是说，浏览器本身，变成了 Agent 的工作台。

3

这个方向，有意思了。人类和 Agent 对浏览器的需求完全不一样。Agent 不只要读页面，还要稳定地控制页面，不能打扰用户已有窗口，必要时继承登录态，又能在自己的隔离空间里把任务干完。

Ego Lite 基于 Chromium，怎么让 Agent 用呢？还是老办法：CLI 和 Skills。

安装 Ego Lite 后，系统会自动为 Agent 暴露一套 CLI 可访问的 Node.js 运行时环境。Agent 通过 ego-browser nodejs 执行脚本，脚本里预置了 snapshotText、click、js、cdp、browserFetch、captureScreenshot 等 helper。说白了， Agent 在用脚本驱动一个真实浏览器：打开页面、等待加载、读取状态、拿语义快照、点击元素，最后验证结果。

Ego Lite 有个关键概念叫 task space，可以理解为给 Agent 专用的隔离浏览上下文。每个 task space 有自己的标签页，同时默认继承当前用户的登录态。

这个设计很巧妙：Agent 可以进入需要登录的网站干活，但不会抢用户正在用的浏览器窗口。如果任务要分几轮完成，还能复用同一个 task space，避免每次从头开始。

所以 Ego Lite 和当前所有 AI 浏览器都不一样——它本身可以正常使用，就是个 Chrome：

不过，Ego 在浏览器旁边为 Agent 准备了一套可调用的操作层：创建 task space、打开或复用标签页、读取 pageInfo、获取语义快照、点击元素、执行 JavaScript，必要时截图验证，最后关闭任务空间，完事。

比如还可以这样：让 Agent 看看 CatReader 里最新更新的 20 篇文章，附上链接和摘要。

墨问的 CatReader 首页，并没有直接列出最新 20 篇文章，只有分类、文章总数、AskCat 入口和阅读面板。传统做法，得靠肉眼找列表，或者点来点去。Agent 的路径，更像在调试一个真实 Web 应用：先观察页面，再探测接口，发现同域 /api/articles 返回的是前端 HTML，于是继续读前端 bundle，找到实际 API base 和文章接口形态。

很多网页，对人类是“可见”的，但对 Agent 却不一定“可用”。人一眼能看到右上角的按钮，Agent 却需要知道这个按钮有没有可访问名称、是不是自定义 div、点击后状态是否改变。人凭经验能判断列表按时间排序，Agent 却需要拿到返回字段，确认 publishedAt、fetchedAt、feedTitle 和 link。

Ego Lite 提供了三条路径。普通网页优先走语义工作流，用 snapshotText() 拿到页面文本、按钮、链接和可点击引用，再用 click 或 fillInput 操作。遇到富文本、表格、地图、白板这类 DOM 和真实界面不一致的页面，就退到视觉工作流，用截图、坐标和键盘动作验证。需要读页面内部状态、查 DOM、调用浏览器协议时，再用 js() 和 cdp()。

js() 这一点尤其有意思。它本质上接近 Chrome DevTools Protocol 里的 Runtime.evaluate，是在浏览器页面上下文里执行代码。所以刚才查 CatReader 时，它会先读页面脚本，再从前端 bundle 里找到真实 API base，最后用浏览器上下文请求文章接口，直接理解页面结构和前端状态。

4

Agent 浏览器最大的价值，在于让 Agent 有了一个可持续工作的前台环境。大量任务卡在：邮箱需要登录、内部系统有权限、网页有动态加载、数据藏在前端状态里，普通 HTTP 请求根本拿不到东西。过去 Agent 要么让人复制粘贴，要么写脚本绕路，要么直接操作浏览器。

Agent 浏览器呢，既可以像人类一样打开页面，也可以像工程师一样检查页面。它有自己的隔离任务空间，不必抢用户正在用的窗口；它可以复用用户登录态，又不把控制权和日常浏览混在一起；它还能在需要人工介入时交还控制权，等用户确认后继续工作。

这类浏览器也改变了“验证” 的含义。以前让 AI 写一段结论，验证大多靠模型自我检查，或者靠人再看一遍。现在 Agent 可以打开真实网页，执行真实操作，读取真实返回，再把结果整理出来。它可以发现页面上“广场”按钮不是普通文本节点，也可以发现某个 API 路径实际返回 HTML。模型的判断开始被浏览器现场校准，这比空想可靠得多。

对于 Vibe Coding 也很有帮助，如果是 Web 应用，直接让 Ego Lite 理解功能验收成果，会更快捷、准确和方便。

5

普通用户对 Agent 浏览器的感知不会很强。对大众来说，AI 浏览器更有吸引力：AI 获取浏览器上下文、直接给方案、还能用大模型重塑界面、辅助写作，完全是全新体验。而给 Agent 用的浏览器，更像基础设施，它的价值体现在长任务里：查资料、做任务、验证页面、整理数据、测试产品、排查问题等等。

它为浏览器提出了另一组默认值：通过 Agent 和 Skills 理解页面、读取状态和上下文、保证安全，不打扰用户。

AI 浏览器解决的是人和信息之间的距离。Agent 浏览器解决的是任务和执行环境之间的距离。前者让网页更容易被理解，后者让网页更容易被操作，这么一看，两者相辅相成，颇为奇妙。

看起来，所有的工具，都需要为 Agent 再做一遍。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：专为Agent打造的浏览器Ego Lite上线要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题