BrowserAct：给 AI Agent 装上真实浏览器，4500 stars，10M+ CAPTCHA 已解决

GitHub：browser-act/skills · ⭐ 4,504
官网：browseract.ai · G2 4.8 · AppSumo 4.4
规模：500M+ 页面已自动化 · 10M+ CAPTCHA 已解决 · 3K+ Skills 已生成 · 10K+ 并发会话
合作伙伴：AWS · Azure · Google Cloud · Alibaba Cloud · Huawei Cloud · BytePlus · Baidu AI Cloud

---

AI Agent 的浏览器盲区

你的 Agent 很聪明，能推理、能规划、能写代码。但一遇到「去网上查一下这个价格」「登录我的后台导出这份报告」「在这个网站上监控竞品」——它就卡住了。

不是因为它不够聪明，而是因为它没有浏览器——或者说，它用的那个「浏览器」不够真实：被 Cloudflare 拦、被 CAPTCHA 挡、登录状态丢失、多任务并发时账户串了。

BrowserAct 要解决的就是这个问题：为 AI Agent 提供一个真实的、能绕过反爬的、状态可持久化的浏览器层。

---

一句话演示

在 Claude Code 里对话：

> Scrape the top 80 Amazon Electronics bestsellers — price, rank, reviews — export a clean CSV.

Claude Code 的响应：

⏺ Installing skill (browser-act@1.3)…     ✓
⏺ Launching browser (stealth mode)…       ✓  
⏺ Visiting https://www.amazon.com/gp/bestsellers/electronics… ✓
⏺ CAPTCHA detected — auto-solving…        ✓
⏺ Scraping listings (80 items)…           ✓
⏺ Exported → ./bestsellers.csv

80 products · 2m 14s · 0 credits used

这就是 BrowserAct 的工作方式：Agent 调用一个 Skill，Skill 驱动真实浏览器，完成任务，返回干净的数据。

---

三种接入方式

1. Agent CLI Skill — 30 秒上手

直接对着你的 Agent 粘贴安装命令：

# 无需注册，复制到 Agent 即用

安装后，Agent 可以驱动你的本地 Chrome，复用已登录的会话状态（cookies、SSO、浏览器扩展）。这是最关键的点：不是启动一个全新的无头浏览器，而是在你已经登录好的真实 Chrome 上直接行动。

支持的 Agent 环境：Claude Code、Cursor、VS Code、OpenCode、OpenClaw、Codex、Gemini CLI，以及任何能运行 shell 命令和加载 Skill 的 Agent。

2. Cloud Workflow — 可视化 + 无代码

用画布编辑器描述你想要的流程（自然语言），BrowserAct 把它变成可重复运行的自动化工作流：

01 Visit URL  →  https://news.google.com/
02 Click Button  →  "Top Stories"
03 Extract Data  →  news rows · title · source

适合不想写代码的场景，或者需要把步骤展示给团队的场景。

3. API / MCP — 嵌进你的产品栈

通过 REST API 或 MCP 协议触发浏览器任务、运行工作流、把结构化网页数据返回给你的系统。与 Make、n8n、Zapier 直接集成。

---

四层技术防线

BrowserAct 之所以能在大多数真实网站上正常工作，靠的是四层堆叠的能力：

环境层：像真人一样浏览

• 隐身指纹（Stealth fingerprints）：每个浏览器会话都有匹配的 UA、Canvas、WebGL、字体指纹
• TLS 轮换：TLS 握手特征匹配真实 Chrome
• 住宅代理（Residential proxies）：出口 IP 是真实住宅宽带，不是机房 IP
• 结果：大多数反机器人检测在触发前就被绕过

执行层：自动过 CAPTCHA

solve-captcha 自动处理：

• reCAPTCHA（Google）
• Cloudflare Turnstile
• DataDome
• HUMAN Security
• 以及更多主流人机验证方案

人类层：卡住时叫人来

有些步骤确实无法自动完成（短信 2FA、某些判断题验证码、需要人工审批的操作）。remote-assist 会生成一个临时链接，你在手机或电脑上打开，完成那一步，然后控制权自动还给 Agent 继续执行。

这是「Agent + Human in the loop」最干净的实现方式之一。

并发层：多账户、多任务不串

每个浏览器会话有独立的身份（fingerprint profile）和独立的 IP 出口，多个 Agent、多个任务、多个账户可以同时运行，互不干扰，不会出现 session 污染。

---

Skill Forge：把探索变成可复用的技能

这是一个独特功能：你手动浏览一个网站一次，BrowserAct 记录你的操作，然后生成一个可复用的 Skill——下次 Agent 可以直接调用这个 Skill，而不是每次从头摸索。

SkillHub（skills.browseract.com）是社区 Skill 库，目前已有 3,000+ 个 Skill 可以直接复用。常见场景：LinkedIn 数据提取、电商价格监控、社交媒体多账户管理、SaaS 后台数据导出……

---

真实用户说了什么

“It allows me to turn virtually any website into an API, which has saved me hundreds—if not thousands—of hours.”
—— braydenmatsko, AppSumo

“This is the missing layer for AI research workflows. Persistent browser context changes everything.”
—— asiahussain51, Twitter

“Real Chrome session reuse is the feature I didn’t know I needed until right now.”
—— charliejhills, Twitter

“Not having to constantly update selectors when they change and surprisingly not being blocked by bot detectors has saved me a lot.”
—— darkleech, AppSumo

“Web scraping was one of the reasons I rented a VPS. But now I’m almost forgetting about it since I discovered BrowserAct.”
—— st.bellucci3, AppSumo

用户描述的核心价值：用一个实际的、可登录的、能过反爬的浏览器，把任意网站变成 Agent 可以操作的界面。

---

技术规格速查

能力	支持
操作系统	Windows / macOS / Linux
浏览器模式	Chrome / chrome-direct / stealth privacy / stealth fixed identity
CAPTCHA 类型	reCAPTCHA · Cloudflare Turnstile · DataDome · HUMAN Security
Agent 环境	Claude Code · Cursor · VS Code · OpenCode · OpenClaw · Codex · Gemini CLI
运行时对象	browser · session · profile · stealth browser · network capture · HAR · cookies
集成方式	Agent Skill · REST API · MCP · Make · n8n · Zapier
云合作	AWS · Azure · Google Cloud · Oracle · Alibaba · Huawei · BytePlus · Baidu

---

和传统爬虫/浏览器自动化的区别

传统方案（Playwright / Selenium / Puppeteer）给的是工具——你需要自己写代码控制浏览器、自己处理反爬、自己维护 selector、自己实现并发。

BrowserAct 给的是能力层——Agent 用自然语言描述目标，BrowserAct 处理所有底层细节：指纹、代理、CAPTCHA、会话管理、并发隔离。Agent 不需要知道「怎么爬」，只需要知道「要什么」。

这个区别在 AI 时代是根本性的：Agent 不应该是一个爬虫工程师，它应该是一个会用浏览器的助手。

---

开始使用

# 方式一：直接对 Agent 说（推荐）
# 把下面这句话粘给 Claude Code / Cursor：
Read https://github.com/browser-act/skills and help me install BrowserAct.

# 方式二：免费试用
# 访问 browseract.ai，7 天免费试用，加入 Discord 获得 100 积分

GitHub：github.com/browser-act/skills（4,504 stars，212 forks）
官网：browseract.ai · G2 4.8 · AppSumo 4.4 · AWS Marketplace 上线

---

一句话总结

BrowserAct 是 AI Agent 的浏览器客户端：真实 Chrome、自动过 CAPTCHA、复用登录会话、多任务并发不串账。把任意网站变成 Agent 可用的工具，30 秒接入 Claude Code/Cursor/Codex。4,500 stars，500M+ 页面已自动化。

© 2026 Author: Mycelium Protocol

BrowserAct: A Real Browser Layer for AI Agents

GitHub: browser-act/skills · ⭐ 4,504
Website: browseract.ai · G2 4.8 · AppSumo 4.4
Scale: 500M+ pages automated · 10M+ CAPTCHAs solved · 3K+ skills generated · 10K+ concurrent sessions

The Problem

AI agents are blocked on the web. Not because they lack intelligence — but because the browser layer beneath them is either missing or too fragile: detected by anti-bot systems, blocked by CAPTCHAs, losing login state, and leaking sessions when multiple tasks run in parallel.

BrowserAct is a browser automation CLI built specifically for agents. It gives any agent — Claude Code, Cursor, Codex, Gemini CLI — a real, stealthy, session-aware browser.

Three Ways to Use It

Agent CLI Skill: Install the skill once. The agent drives your local Chrome — your logged-in sessions, cookies, SSO, and extensions — and returns structured data. No new browser login required.

Cloud Workflow: Visual canvas editor. Describe a workflow in natural language (Visit URL → Click → Extract). Runs on cloud infrastructure.

API / MCP: Trigger browser tasks via REST API or MCP protocol. Integrates directly with Make, n8n, Zapier, and any MCP-capable agent host.

Four Technical Layers

Environment layer: Stealth fingerprints (UA, Canvas, WebGL, font), TLS rotation matching real Chrome, residential proxy routing. Most checks don’t trigger.

Execution layer: Auto-solve reCAPTCHA, Cloudflare Turnstile, DataDome, HUMAN Security.

Human layer: remote-assist creates a live takeover link for 2FA or judgment-heavy steps. Human completes it; agent continues.

Concurrency layer: Each session gets its own fingerprint profile and IP. Multiple agents, tasks, accounts run in parallel without state leaks.

Skill Forge

Record yourself navigating a site once → BrowserAct generates a reusable Skill. Community SkillHub has 3,000+ ready-to-use skills: LinkedIn scraping, e-commerce monitoring, SaaS data export, multi-account social management.

Compatibility

Area	Support
Operating systems	Windows, macOS, Linux
Agent environments	Claude Code, Cursor, VS Code, OpenCode, OpenClaw, Codex, Gemini CLI
CAPTCHA types	reCAPTCHA, Cloudflare Turnstile, DataDome, HUMAN Security
Browser modes	Chrome, chrome-direct, stealth privacy, stealth fixed identity
Integrations	REST API, MCP, Make, n8n, Zapier

Why It Matters

Traditional automation tools (Playwright, Selenium, Puppeteer) give you primitives — you write the scraping logic, handle detection, maintain selectors, manage concurrency. BrowserAct gives agents a capability: describe what you want in natural language, get structured data back.

The shift: agents shouldn’t be scraping engineers. They should be assistants that know how to use a browser.

© 2026 Author: Mycelium Protocol