用Rust构建本地模型驱动的浏览器

让本地模型读取网页、点击按钮、填写表单，难点不只是把模型接进浏览器，还要处理页面解析、运行环境和操作权限。作者开发的 Ricuicui 把这些能力装进一个 Rust 桌面程序，面向 Mac 和 Windows，尝试让用户看着 AI 完成操作，并随时接管。

它值得看的地方是架构取舍：页面如何分别交给人和 AI，敏感操作如何由浏览器拦截。不过，原文提供的是实现思路，没有性能测试，也没有证明哪些本地模型足以稳定完成任务。

为什么给人看和给 AI 读，要用两套引擎

Ricuicui 是一个 Rust 程序，内嵌 Servo 浏览器引擎来显示网站，因此不需要另外安装 Chromium。

旁边还有作者自研的 Cotcotcodet。它不负责绘制页面，而是快速解析网页供 AI 阅读，并把页面 JavaScript 放进独立进程运行。

两套引擎分工明确：Servo 负责用户看到的页面，Cotcotcodet 负责模型理解页面所需的信息。模型不必沿用面向视觉呈现的整套处理过程。

作者认为，这种拆分让 Agent 更快、更安全。但原文没交代两套引擎怎样同步动态页面状态，也没有提供速度、内存占用或网站兼容性的对照数据。独立进程能提供一层隔离，具体隔离到什么程度，文章没有展开。

对于前端开发者，这里最值得追问的是：页面经过 JavaScript 更新后，AI 读到的状态，是否始终与用户看到的一致？这会直接影响点击和填表是否可靠。

本地运行省掉了安装步骤，没有省掉硬件限制

Ricuicui 用 llama.cpp 加载 GGUF 格式的模型，不要求用户另装 Ollama 或 LM Studio。

平台处理有所不同：Mac 版把 llama.cpp 打包进应用；Windows 版在首次使用时下载，并通过 Vulkan 使用 GPU。应用会根据可用内存推荐模型，但原文没有给出具体的内存档位、模型大小或推荐清单。

作者称，在内存允许的范围内，也可以加载其他 .gguf 文件，例如 Mistral、DeepSeek。遇到困难任务，用户还能切换到 Claude、GPT、Mistral 等在线模型，使用自己的 API key，密钥存入系统钥匙串。

安装方便，不等于本地模型已经足够胜任浏览器任务。

文章没有提供任务成功率、响应时间、连续操作能力等实测结果。作者最后还在征集反馈，询问不同硬件上究竟多大的模型适合 Agent 工作，因此模型选型仍是待验证的问题。

产品采用 freemium 模式：基础版包含完整浏览器，Pro 许可证为每年 EUR 12.90，解锁本地 GPU server。支持 macOS 11+，覆盖 Apple silicon 和 Intel，以及 Windows 10/11。基础版本地推理的具体能力边界，原文没说清。

能点击还不够，哪些操作必须由浏览器拦住

Ricuicui 把几条限制放在浏览器实现层，而不是只写进提示词：

• 提交表单、购买、发送消息等会产生实际后果的操作，必须先获得用户批准。
• AI 不输入密码或银行卡号；敏感字段除了检查类型，还会检查 placeholder、aria-label 和 label，识别 PIN、CVV、2FA 验证码等内容。
• AI 的操作实时展示，用户可以随时接管。

这个方向合理。提示词约束模型如何行动，浏览器规则则决定某个动作究竟能不能执行。不过，字段识别依赖页面提供的信息；面对自定义控件、缺少标签的输入框，或者没有明确表单语义的提交动作，如何处理，原文没有说明。

它还支持双向 MCP，也就是模型上下文协议。作为 MCP server，Ricuicui 在本机 127.0.0.1:7878 暴露 13 个工具，让 Claude Desktop、Claude Code、Cursor、VS Code 或 LM Studio 驱动浏览器，用户仍可观看操作。作为 MCP client，内置 AI 可以连接提供文件、记忆等能力的 MCP servers，也能接入 A2A agents 和 webhooks。

这些连接扩展了操作入口，但文章没有列出 13 个工具，也没有说明外部客户端驱动浏览器时，是否完整复用上述审批规则。

我的判断

我认同两点：把页面呈现和 AI 阅读拆开，以及把敏感操作审批落实到程序里。前者给优化留下空间，后者让权限边界有明确的执行位置。

但「更快、更安全」目前仍是作者的经验判断。文章没有对照数据，不能据此认定它优于基于 Chromium 的浏览器自动化方案。对于已经使用 Playwright 等工具的团队，是否值得更换路线，还要看网站兼容性、状态同步和任务成功率，而这些证据原文都没有提供。

本地运行也应按链路判断。选择本地模型，可以让推理留在机器上；切换在线模型、连接 MCP servers、A2A agents 或 webhooks 后，还需要分别核对数据流向。

能拿来做什么

• 开发网页 Agent 时，可以借鉴双引擎的分工思路，把用户看到的页面与模型读取的信息分别处理，并优先验证动态页面状态是否一致。
• 在前端或 Node 自动化项目中，把提交表单、购买、发送消息等动作设置为程序级审批点，不要只依赖提示词要求模型谨慎。
• 评估本地模型时，用真实的阅读、填表、连续点击任务记录耗时和成功率。原文没有给出可直接照搬的硬件与模型配置。
• 如果想让现有 AI 编程工具驱动 Ricuicui，可从本机 MCP 接口入手，先核对 13 个工具的实际能力，以及外部调用是否受到同样的权限限制。