browsentic：让 AI Agent 直接操控你已登录的真实浏览器——无 headless、免 API Key

imshaikot/browsentic，21 stars，MIT，TypeScript。2026-07-24 首次提交，2026-09-22 仍在活跃更新。

一句话：让 AI Agent 操控你正在用的、已经登录的真实浏览器，不需要无头浏览器，不需要 API Key，不需要云端中转。

GitHub：github.com/imshaikot/browsentic | Stars：21 | License：MIT | 语言：TypeScript

---

传统浏览器自动化的痛点

Playwright、Puppeteer 之类的工具启动的是无头浏览器——一个全新的浏览器实例，没有你的 Cookie、没有登录态、没有扩展、没有历史记录。

这意味着：每次自动化都要重新登录，面对 OAuth/SSO/MFA，或者遇到检测 headless 的站点（如 Google、LinkedIn、Twitter）就直接失败。

Browsentic 换了个思路：不启动新浏览器，直接接管你桌面上开着的那个。

---

架构：三层 + Pairing Code

浏览器扩展（Side Panel UI）
        ↕ WebSocket（仅 127.0.0.1）
本地 Daemon（browsentic 进程）
        ↕ spawn 子进程 / MCP 协议
Agent CLI（claude / codex / agy）

浏览器扩展：在侧边栏注入一个 AI 输入界面，接收用户指令，与 Daemon 通信。

本地 Daemon：在 127.0.0.1 监听 WebSocket，同时作为 MCP Server，支持多个 MCP 客户端共享同一个浏览器实例。

Pairing Code：双端握手，扩展与 Daemon 互相验证后才建立连接，未 Pair 的连接请求直接拒绝。

流量全程在 127.0.0.1，不经过任何云端服务器。

---

安装

macOS 一键安装（推荐）：

curl -fsSL https://browsentic.com/install.sh | sh

通用方式（需 Node.js 20+）：

npx browsentic setup

全局安装后接入 Claude Code MCP：

npm i -g browsentic
claude mcp add browsentic -- browsentic mcp

配置流程

1. browsentic setup — 安装扩展 + 启动 Daemon
2. 浏览器安装扩展后打开侧边栏
3. browsentic pair — 生成 Pairing Code
4. 在侧边栏输入 Pairing Code 完成配对
5. browsentic agent — 选择要使用的 Agent CLI

常用命令

命令	用途
browsentic setup	安装扩展 + 启动 daemon
browsentic pair	生成新 pairing code
browsentic status	检查 daemon/扩展状态
browsentic sessions	列出已配对浏览器
browsentic agent	切换 Agent CLI
browsentic update	刷新扩展构建

---

支持的浏览器与 Agent

浏览器： Chrome、Edge、Arc、Brave、Firefox（实验性）

Agent CLI：

Agent	状态
Claude Code	稳定
Codex / OpenAI	稳定
Antigravity	稳定
Mistral Vibe	Beta
Grok Build	Beta

每个 Agent 只需要预先在本机安装并完成认证，Browsentic 通过 spawn 子进程调用它们，Agent 本身的 API Key 由各自管理，Browsentic 本身不需要 Key。

---

52 个页面工具

涵盖浏览器操控所需的全部基础能力：

交互类： 点击、输入、拖拽、下拉选择、表单提交、悬浮、焦点、键盘事件

导航类： 打开 URL、前进/后退、刷新、新建/关闭标签页、切换标签

内容类： 截图、获取页面 HTML/文本、元素定位（A-Eye 语义定位）、读取表格

文件类： 文件上传、文件下载、拖拽文件

诊断类： 控制台日志、网络请求监听、性能计时

自动化类： 定时任务、循环执行、iframe 内操作、弹窗处理

自定义工具（Custom Tools）：把可复用的脚本保存为命名工具，格式 site:context:tool-name，例如 youtube.com:watch:darken-page。

---

作为 MCP Server 接入工具链

Browsentic Daemon 同时暴露 MCP 协议，可以被 Claude Code、Cursor、Zed 等工具直接调用，无需通过侧边栏 UI：

# 接入 Claude Code
claude mcp add browsentic -- browsentic mcp

# Claude Code 内直接调用浏览器工具
# Agent 可以访问当前已登录的所有页面

多个 MCP 客户端可以共享同一个 Daemon 实例，也就是说同一个浏览器窗口可以同时被多个 Agent 工具链访问。

---

安全设计

安全措施	实现
本地隔离	全程 127.0.0.1，不出本机，无云端中转
Pairing Code	双端互相验证后才建立连接
高危操作确认	Guardrails 系统：声明式策略拦截危险操作，需人工审批
凭据遮蔽	页面密码字段在 Agent 看到之前自动遮掩
无 API Key	Browsentic 本身不需要任何 API Key

Guardrails 是声明式策略系统——你可以写规则定义哪些操作需要人工确认（如支付页面的提交按钮、设置页面的删除操作），Agent 执行到这些操作时会暂停等待确认。

---

附加功能

Site Learning：Agent 自动探索一个站点，创建可复用的站点备忘（site notes），后续任务可以引用这份备忘，减少重复探索开销。

Voice / Text / 演示模式：三种指令输入方式。演示模式可以让 Agent 边执行边解释每一步。

WebMCP 集成：支持网站主动声明自己的工具集（类似 manifest），Agent 访问时自动发现可用工具，不需要用通用的 DOM 操作硬探。

---

实际使用场景

场景一：抓取需要登录的数据

"帮我把 GitHub notifications 里所有未读 PR 的标题和链接整理成 CSV"

Browsentic 在你已登录的 GitHub 页面里直接执行，无需重新认证。

场景二：批量操作

"把这个 Notion 数据库里所有标签为 '草稿' 的条目状态改为 '待审核'"

Agent 在你的 Notion 工作区直接操作，读写你有权限的所有内容。

场景三：Claude Code 调试 Web 应用

接入 MCP 后，Claude Code 可以在调试时直接操控浏览器，截图、检查控制台错误、提交表单验证，无需来回粘贴截图。

---

局限性

1. 星数极少（21）：非常早期的项目，API 可能变动，稳定性未经大规模验证。

2. 依赖本机已安装的 Agent CLI：需要预先配置好 Claude Code、Codex 等，Browsentic 只是接管浏览器，不提供 LLM 能力本身。

3. Firefox 支持实验性：稳定性不如 Chromium 系浏览器。

4. Vibe、Grok 接入仍为 Beta：这两个 Agent 的集成可能有兼容性问题。

5. 多用户/团队场景未设计：目前是单用户、本地运行的架构，没有团队共享或远程访问设计。

---

与同类工具对比

工具	浏览器	登录态	需要 API Key	云端	MCP 支持
Browsentic	真实	✅ 已有	❌ 不需要	❌ 纯本地	✅
Playwright	Headless	❌ 每次登录	取决于 LLM	可配置	部分
Puppeteer	Headless	❌ 每次登录	取决于 LLM	可配置	❌
Browser Use	Headless/真实	可配置	✅ 需要	默认云端	❌

Browsentic 的核心差异：登录态持久化 + 纯本地 + MCP 原生。代价是需要在本机运行 Daemon 且依赖本机已配置的 Agent CLI。

---

怎么看这个项目

对于已经在用 Claude Code 或 Codex 做开发的人来说，Browsentic 填补了一个实际的空白：调试时让 Agent 直接操作浏览器，而不是靠截图粘贴来回。接入 MCP 后 Claude Code 可以”看到”并操作浏览器，比单纯的 computer-use 方案更精准（因为是 DOM 级操作而非像素级）。

21 stars 的早期阶段意味着这套方案还没有被大规模检验，但架构思路（真实浏览器 + Pairing Code 安全 + MCP Server）是清晰的，安装体验（一行 curl）也足够低门槛。

MIT 协议，开源仅供学习研究参考。Browsentic 可操作你浏览器里的所有页面，使用前评估安全边界。

---

browsentic: Connect AI Agents to Your Real Logged-In Browser — No Headless, No API Key

imshaikot/browsentic (21 stars, MIT, TypeScript) is a browser extension + local daemon + MCP server that connects AI agent CLIs (Claude Code, Codex, Antigravity) to your actual running browser — with your existing login sessions, cookies, and history intact.

GitHub: github.com/imshaikot/browsentic | Stars: 21 | License: MIT

---

The Problem It Solves

Headless automation (Playwright, Puppeteer) spins up a fresh browser instance with no cookies, no login state, no history — forcing re-authentication every run and failing on headless-detection sites. browsentic bypasses this entirely by attaching to the browser you already have open.

---

Architecture

Browser Extension (Side Panel UI)
        ↕ WebSocket (127.0.0.1 only)
Local Daemon (browsentic process)
        ↕ spawn subprocess / MCP protocol
Agent CLI (claude / codex / agy)

Three layers: an extension side panel for user input, a local daemon that handles WebSocket and MCP, and the agent CLI you already have installed. Everything stays on 127.0.0.1. Pairing Code mutual verification before any connection is established.

---

Installation

# macOS one-liner
curl -fsSL https://browsentic.com/install.sh | sh

# Universal (Node.js 20+)
npx browsentic setup

# Global install + Claude Code MCP
npm i -g browsentic
claude mcp add browsentic -- browsentic mcp

Setup: browsentic setup → install extension → browsentic pair → enter Pairing Code in side panel → browsentic agent to select CLI.

---

52 Page Tools

Click, type, drag, form submit, navigate, screenshot, file upload/download, iframe interaction, console/network diagnostics, timed/looped tasks, semantic element locator (A-Eye), custom named tools (e.g. youtube.com:watch:darken-page), Guardrails confirmation policies.

---

MCP Server

Multiple MCP clients can share one daemon — meaning Claude Code, Cursor, Zed can all control the same browser instance simultaneously:

claude mcp add browsentic -- browsentic mcp

---

Security

• All traffic bound to 127.0.0.1
• Pairing Code mutual verification before connection
• Guardrails: declarative policies requiring human approval for high-risk actions
• Password fields auto-masked before agent sees them
• No API key stored in browsentic itself

---

Supported Browsers & Agents

Browsers: Chrome, Edge, Arc, Brave, Firefox (experimental). Agents: Claude Code (stable), Codex (stable), Antigravity (stable), Mistral Vibe (beta), Grok Build (beta).

---

Limitations

1. 21 stars, very early: API may change, not battle-tested at scale
2. Requires pre-configured Agent CLI: browsentic doesn’t provide LLM capability itself
3. Firefox is experimental: less stable than Chromium-based browsers
4. No multi-user/remote access: single-user local architecture only
5. Vibe/Grok integrations in beta: potential compatibility issues

---

vs. Alternatives

browsentic’s key differentiators: persistent login state, fully local (no cloud), MCP-native. Trade-off: requires local daemon + pre-installed agent CLIs.

Tool	Browser	Login State	Cloud	MCP
browsentic	Real	✅ Preserved	❌ Local	✅
Playwright	Headless	❌ Fresh	Configurable	Partial
Browser Use	Headless/Real	Configurable	Default cloud	❌

MIT license. browsentic can operate all pages in your browser — evaluate your security boundary before deploying. For learning and research reference only.