navette：594KB 无 Chromium 的 AI Agent 浏览器

Houston，我们删掉了 Chromium：你的 Agent 浏览器只有 594 KB，随系统一起发布。完整 WebKit，MCP 原生，常驻模式 24 ms。

Houston, we deleted Chromium

如今每一个触网的 AI Agent 都拖着同样的累赘：headless Chromium。

Playwright 每次在 Agent 所在的机器上下载约 400 MB 的浏览器。云浏览器 API（Browserbase、Steel、Hyperbrowser）以订阅方式向你租用 Chrome——而且你的页面数据离开了你的机器。而所有这些只是为了完成 Agent 真正需要做的事：打开一个页面、读取内容、截一张图、点击一个按钮、填写一个表单。

与此同时，你的电脑已经自带了一个完整的浏览器引擎。macOS 有 WebKit。Windows 有 WebView2——也就是 Chromium，不过是预装的。Linux 有 WebKitGTK。

所以我构建了 navette（法语"穿梭机"的意思）：一个单独的 Rust 二进制文件，驱动你操作系统自带的 WebView，并且说 MCP 协议——也就是 Agent 们已经在用的协议。

594 KB 安装大小。不需要 Chromium。不需要下载。

One binary, three modes

navette serve --port 8765     # HTTP API on loopback
navette mcp                   # MCP stdio server for agent hosts
navette install-daemon        # resident: warm from login

一个二进制文件，三种运行模式。

Nine MCP tools: navigate, read, screenshot, click, type, evaluate, wait, sessions, session_close. The screenshot comes back as MCP image content — your agent literally sees the page.

九个 MCP 工具：navigate、read、screenshot、click、type、evaluate、wait、sessions、session_close。截图以 MCP image content 的形式返回——你的 Agent 能真正"看见"页面。

Under the hood

底层实现：每个会话一个 WKWebView，运行在一个幽灵窗口中（真实的像素，停在屏幕外所以能渲染但无人可见）。导航完成是事件驱动的——我在 Rust 中用原始 objc2 消息发送实现了 WKNavigationDelegate，内容提取在 didFinish 回调中运行，所以一次热导航 + 完整 markdown 读取只需要 8 ms。

Same machine (M1, 8 GB), same corpus (100 local pages + 20 real URLs), reproducible with one command (python3 navbench.py):

同一台机器（M1, 8 GB），同一份语料（100 个本地页面 + 20 个真实 URL），一条命令可复现（python3 navbench.py）：

Two honest disclosures

两个必须坦诚的披露，因为基准测试帖子的生命线就是透明：

Lightpanda is the fastest page-reader (3.3 ms through a zero-bias raw-CDP probe — I measured it through a fair minimal client, not just through Playwright). It parses a partial DOM and cannot render, screenshot, or act. If your agent only reads static pages, use it — or plain fetch + readability.

Lightpanda 是最快的页面读取器（通过零偏差的原始 CDP 探测只需 3.3 ms——我通过一个公平的最小化客户端测量，不只是通过 Playwright）。它解析部分 DOM，无法渲染、截图或交互。如果你的 Agent 只需要读取静态页面，用它——或者直接用 fetch + readability。

The two rows Lightpanda wins (fresh boot, peak RAM) are the price of rendering. Three WebKit helper processes and a backing store are what buy screenshots and full fidelity. That tax is the product.

Lightpanda 获胜的两项（全新启动、峰值内存）是渲染的代价。三个 WebKit 辅助进程和一个后备存储换来的是截图和完整保真度。这份代价就是产品本身。

The claim I'll defend: nobody else combines 0.6 MB + 1 ms actions + a 0.9 s hundred-page crawl + full WebKit rendering + a resident 24 ms mode.

我的核心论点：没有人能同时做到 0.6 MB + 1 ms 操作 + 0.9 秒百页爬取 + 完整 WebKit 渲染 + 常驻 24 ms 模式。

The demo that sold me on it

说服我的演示

I pointed the resident daemon at a login form and a research loop and let an agent drive through MCP only:

我把常驻守护进程对准一个登录表单和一个研究循环，让 Agent 只通过 MCP 驱动：

Act 1 — authenticate: type credentials, click, verify the session ("You logged into a secure area!"), screenshot the authenticated page.

第一幕——认证：输入凭据、点击、验证会话（"你已登录安全区域！"）、给已认证页面截图。

Act 2 — research: DuckDuckGo → extract results → open one (it was dead — moved on) → read the article → screenshot.

第二幕——研究：DuckDuckGo → 提取结果 → 打开一个（它已失效——继续下一个）→ 读取文章 → 截图。

Full walkthrough with the verbatim tool calls and screenshots is in demo/JOURNEY.md.

完整的演练过程（含原始工具调用和截图）见 demo/JOURNEY.md。

cargo build --release
./target/release/navette serve --port 8765

# or let your agent host own the lifecycle:
./target/release/navette mcp

Register it in any MCP client (ZCode example):

在任何 MCP 客户端中注册（ZCode 示例）：

{ "mcp": { "servers": { "navette": {
    "command": "/path/to/navette", "args": ["mcp"] } } } }

Then just talk to your agent: "open this dashboard, check if the deploy banner is there, screenshot it for me."

然后直接对你的 Agent 说："打开这个仪表盘，检查部署横幅是否在，给我截图。"

macOS today. Windows (WebView2) and Linux (WebKitGTK/WPE) are the next backends — the 8 primitives are engine-agnostic by design, and the engine strategy is written down: system-first, official embed (WebView2 Fixed Version) or distro packages as fallback. Never vendor a browser the way Playwright does.

目前支持 macOS。Windows（WebView2）和 Linux（WebKitGTK/WPE）是下一个要做的后端——8 个原语在设计上与引擎无关，引擎策略已写成文档：优先使用系统提供的，官方嵌入（WebView2 Fixed Version）或发行版包作为备选。绝不要走 Playwright 那种 vendor 一个浏览器的老路。

The automation long tail is missing. Network interception, file uploads, hover, dialogs — Playwright has twenty years of API surface. The core agent loop (navigate, read, see, act, wait, sessions) is complete; the tail is the roadmap.

自动化领域的长尾需求还是空白。网络拦截、文件上传、悬停、对话框——Playwright 有二十年的 API 积累。核心 Agent 循环（navigate、read、see、act、wait、sessions）已经完整；长尾部分在路线图上。

Fresh-process cold start can't beat a blind engine. A full WebKit spawns three helper processes; Lightpanda spawns none because it renders nothing. That's why navette ships a resident mode: warm from login, 24 ms forever.

全新进程的冷启动无法击败一个无渲染引擎。完整的 WebKit 会生成三个辅助进程；Lightpanda 不会生成任何进程，因为它不渲染。这就是为什么 navette 提供常驻模式：从登录起就热备，永久 24 ms。

Headless Chromium is the Postgres of web automation. navette is trying to be the embedded SQLite — the browser agents bring with them, for the fastest-growing half of the agent world: agents that run locally, on machines that already have an engine.

无头 Chromium 是网络自动化的 Postgres。navette 试图成为嵌入式 SQLite——Agent 自带的浏览器，面向 Agent 世界增长最快的那一半：本地运行、在已有引擎的机器上的 Agent。

Apple shipped a Safari MCP server for coding agents this year. The thesis is being validated from above. navette is it from below: tiny, open, cross-platform-bound.

苹果今年为编程 Agent 发布了一个 Safari MCP server。这个论点正从上游得到验证。navette 则是从下游来做这件事：小巧、开源、跨平台。

Repo, benchmarks and the reproducible harness: https://github.com/slabbdev/navette

代码库、基准测试和可复现测试工具：https://github.com/slabbdev/navette

If you run agents locally, I'd genuinely love your feedback — especially the failure cases.

如果你在本地运行 Agent，我真心希望得到你的反馈——尤其是失败案例。