平时重度用 Claude Code 、Codex 还有 Hermes 、OpenClaw 这类 Agent 干活，经常需要让它们帮忙在网页上填表、点后台、查资料。但浏览器控制这块一直用得很憋屈，折腾了几个周末，干脆自己写了个开源工具叫 Browser Hands，今天发出来给大伙试用。
演示（ 20 秒）：Agent 在我已登录的 Chrome 里自动填 Product Hunt 的提交表单
它是什么
简单说，就是一个 Chrome 扩展 + 一个本地运行的 MCP Server （打包完就一个 450 KB 左右的单文件 JS ）。不需要起云端 VM ，也不用开无头浏览器，直接让任何支持 MCP 的 Agent 接管你平时正在用的 Chrome——点击、输入、读页面、截图、跑 JS 、录 GIF 都行。
为什么不用现成的方案？
做之前把市面上的方案基本试了一圈，各有各的难受：
- Claude / Codex 官方 Chrome 插件：体验确实顶，但绑定了单一厂商和订阅。我平时同时用 Codex 、Cursor 、Hermes 、WorkBuddy ，这些 Agent 根本享受不到同等待遇。而且官方插件内置权限限制太多，跑个流程动不动就弹窗让你确认，效率全卡在人工点按钮上。
- Playwright / Chrome DevTools MCP 这类工具：每次新起一个干净的浏览器实例，没有我现成的 Cookie 和登录态；连接经常莫名其妙断开；运行的时候还会抢窗口焦点，动不动触发风控验证。
- ego：试过一阵，资源占用偏高，开几个任务电脑就开始发热风扇狂转。
Browser Hands 解决了什么问题
- 多 Agent 并行不打架：每个 Agent 会话会分配独立的 Chrome 标签组（ Tab Group ），各自只能看到和操作自己组里的标签页，多开并行互不干扰。也支持自定义标签组。
- 多 Google Profile 切换：像我平时工作号和个人号是分开两个 Chrome Profile 的，Agent 能直接识别每个 Profile 的名称和邮箱，切换很稳。
- 省 Token 且不发热：页面读取优先走无障碍树（ Accessibility Tree ）和纯文本，必要时才截图；截图直接走 Chrome DevTools Protocol 底层缩放，不在页面里跑 Canvas 渲染。我自己在 Mac 上开很多标签页跑任务，CPU 占用很低，本子基本不怎么烫。
- 内置快速小模型路由（ quick_task ）：遇到纯机械的点击路径，可以通过
quick_task交给小模型（ JEV ）去跑，单步决策大概 0.2 到 0.5 秒，省主模型 Token 也省时间。同时内置了stopBefore机制，遇到 Submit 、Pay 、Delete 这类关键按钮会硬性卡住等你确认（这个功能需要配 Typesafe 或 OpenRouter 的 Key ，其他所有基础功能零配置开箱即用）。 - Prompt 零成本迁移：一共 26 个工具接口，其中 16 个的参数和命名直接对齐了 Claude in Chrome ，原来的提示词基本不用改就能直接用。
三步安装
- 终端跑一行
curl | sh安装脚本（如果本地装了claudeCLI ，会自动帮你把 MCP 配置注册进 Claude Code ）。 - 打开 Chrome 扩展管理页，开启开发者模式，“加载已解压的扩展程序”选中扩展目录。
- 其他客户端（ Cursor / Codex 等）把本地 MCP 配置贴进去就能连上。
目前的不足（先打个预防针）
- 目前只适配了 macOS（需要 Node 18+ 和 Chrome ）。
- 业余时间单人维护，刚开源出来，目前还没来得及整理严格的量化跑分数据，上面的体验描述全基于我自己的日常重度使用。
项目采用 MIT 协议开源，现在仓库里才 8 个 Star ，冷启动阶段非常需要大家帮忙踩踩坑。如果觉得思路还行，欢迎去点个 Star 或者提 Issue 吐槽：
Select Language