Как подружить AI-агентов с вашим браузером и не сойти с ума

BrowserSkill banner

Каждый, кто пробовал поручать агентным моделям задачи в вебе, знает эту боль. Запускаешь какого-нибудь автономного помощника через консоль или IDE, а он либо пытается открыть чистый headless-браузер без ваших кук и сессий, либо упирается в бесконечные формы логина с двухфакторкой. В худшем случае автоматизация перехватывает фокус экрана, начинает хаотично двигать курсором и мешает писать код.

Недавно наткнулся на open-source утилиту BrowserSkill от команды Tencent. Идея там до смешного простая: дать AI-агентам доступ к реальному браузеру, где вы уже залогинены, но запереть их действия в отдельное окно, чтобы не мешать вашей работе.

В чем задумка

BrowserSkill выступает мостом между AI-агентами (Cursor, Claude Code, Codex, OpenClaw, DeepSeek Harness) и вашим повседневным браузером на Chromium (Chrome, Edge).

Обычно связка агента с браузером строится через Playwright или Puppeteer с нуля. Здесь подход другой: вы ставите небольшую CLI-утилиту bsk и браузерное расширение. Агент отправляет команду через терминал, утилита пересылает ее расширению по WebSocket, а расширение выполняет действия в специальном окне (Agent Window).

Главные особенности решения:

Работа с вашими текущими сессиями. Не нужно заводить тестовые аккаунты или передавать токены в открытом виде. Если вы залогинены на GitHub, Jira или внутренней админке, агент видит эти же авторизации.
Фоновая изоляция. Бот живет в отдельном выделенном окне. Ваши вкладки он не трогает, пока вы явно не разрешите их «одолжить».
Поддержка вмешательства человека. Если сайт выдал капчу или запросил подтверждение опасного действия, агент просто приостанавливает выполнение и просит вас перехватить управление. После решения проблемы он продолжает сценарий.
Независимость от фреймворков. bsk работает как обычная консольная утилита, поэтому подключить ее можно к любому агенту, умеющему выполнять команды в шелле.

Как это устроено под капотом

Архитектура состоит из двух локальных компонентов:

flowchart TB
  subgraph Harness["Agent Harness"]
    Agent["Cursor / Claude Code / Codex / OpenClaw"]
  end

  subgraph Local["Your Machine"]
    CLI["bsk CLI"]
    Daemon["bsk daemon"]
    Extension["BrowserSkill extension"]
  end

  subgraph Browser["Browser Profile"]
    AgentWindow["Agent Window"]
    UserWindows["Your normal browser windows"]
  end

  Agent -->|"shell: bsk ..."| CLI
  CLI -->|"local IPC"| Daemon
  Daemon -->|"WebSocket on 127.0.0.1"| Extension
  Extension -->|"automates"| AgentWindow
  Extension -.->|"borrow tab only when asked"| UserWindows

  style AgentWindow fill:#fff4e6,stroke:#f59e0b,stroke-width:2px,color:#111827
  style UserWindows fill:#f8fafc,stroke:#cbd5e1,color:#334155

Сам репозиторий собран как монорепозиторий на Cargo и pnpm. Локальный демон и консольная часть написаны на Rust (крейты bsk-cli и bsk-protocol), что дает быстрый запуск без тяжелого рантайма. Браузерная часть лежит в папке apps/extension.

Агент не лезет напрямую в Chrome DevTools Protocol через сеть. Вместо этого он вызывает bsk, бинарник связывается с демоном через IPC, а демон по локальному WebSocket (127.0.0.1) отдает приказы расширению.

Быстрый старт

Проще всего делегировать установку самому агенту. Например, в Cursor или Claude Code можно просто скормить инструкцию:

Set up browser-skill on this machine by following https://raw.githubusercontent.com/Tencent/BrowserSkill/main/AGENT_INSTALL.md

Если привычнее делать все руками, установка займет пару минут. Сначала ставим консольную утилиту bsk.

Для macOS и Linux:

curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh

Для Windows через PowerShell:

irm https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.ps1 | iex

Затем ставим официальное расширение из интернет-магазина Chrome или Edge Add-ons.

После этого прокидываем скилл агенту:

bsk install-skill

Команда откроет интерактивное меню со списком поддерживаемых окружений: Cursor, Claude Code, Codex, OpenClaw, CodeBuddy, Pi, Hermes Agent. Выбираем нужное пробелом и жмем Enter.

Для DeepSeek Harness (dsh) разработчики выпустили отдельный плагин в npm:

dsh plugin --profile web add @wxg-prc-cpg/browser-skill-dsh-plugin
dsh --profile web

Этот плагин добавляет нативные инструменты browser_* прямо в модель без вызовов внешнего шелла.

Пробуем в деле

Когда все компоненты настроены, можно ставить агенту задачи прямо в чате вашей IDE:

/browser-skill open example.com and summarize what is on the page.

Или поручить собрать логи ошибок со страницы мониторинга, выгрузить отчет из закрытой аналитики или заполнить длинную форму во внутренней админке.

Из нюансов: поддержка Firefox пока только заявлена в планах, сейчас проект строго ориентирован на Chromium. Но для повседневной локальной разработки этого более чем достаточно.

Кому пригодится

Проект стоит пощупать тем, кто активно использует терминальных и IDE-агентов вроде Claude Code или Cursor и устал копировать текст из закрытых страниц вручную. BrowserSkill избавляет от возни с сессионными куками и дает агенту аккуратный инструмент для работы в вебе. Лицензия у проекта MIT, код открыт, развертывание занимает пару команд.