让编码智能体操作已登录的 Chrome
Agent Chrome Bridge 通过扩展、本地 Python 服务和命令行工具,把 AI 智能体连接到用户当前的 Chrome 会话。它利用 CDP 发送浏览器级输入,并通过回环监听和 WebSocket 来源检查限制访问。
原文暂未完整获取,基于公开信息的快读
Agent Chrome Bridge 想解决编码智能体操作网页时的登录障碍:通过 Chrome 扩展、本地 Python 服务和命令行工具,把智能体接入用户正在使用的 Chrome 会话。作者团队给出的示例是复用 Google 登录态检查 Search Console,减少人工接手登录、再把结果搬回终端的步骤。
目前能确认什么
这套开源工具由三部分组成:Manifest V3 扩展通过 chrome.debugger 接入 Chrome DevTools Protocol(CDP),Python 服务只监听本机回环地址,br.py 则提供智能体可以调用的命令。
CDP 是浏览器调试与自动化协议。按节选描述,该工具通过它发送浏览器级输入事件,产生 isTrusted: true 的事件。不过,事件被浏览器标记为可信,不代表操作获得业务授权,也不保证能通过网站风控。
交互方式也比较直观:运行 python br.py look,工具扫描当前视口,为可交互元素分配数字编号;智能体随后按编号点击、输入,还能截图核对结果。再次执行 look 时会重新计算编号。
原文把无头浏览器概括为使用空白配置,这不宜当作普遍限制。通用浏览器自动化也可以配置持久化用户数据;这里的重点是接入当前桌面会话。
我的判断
对需要检查已登录后台的程序员,这种接入方式有明确价值:智能体可以继续处理网页任务,减少登录环节的人工交接。
真正需要审视的是智能体能访问哪些标签页,以及能执行哪些操作。
回环监听和 WebSocket 来源检查限制了连接入口,却不能单独证明会话权限足够收敛。节选尚未说明标签页授权粒度、敏感操作确认如何强制执行,以及页面内容能否诱导智能体误操作。作者提出支付和验证码交还人工,但具体约束机制仍不清楚。
另外,页面变化后编号可能更新。智能体能否在提交、删除等操作前重新检查目标,会直接影响这套工具用于真实后台时的可靠性。