【开源推荐】ego lite：AI 浏览器自动化新选择

1. ego lite 为什么值得一试

让 AI 操作网页这件事本身不难，难的是现有工具都没把「日常可用」做好。坑集中在三个：

坑一：登录态断层。 绝大多数自动化工具会拉起一个「干净」的浏览器实例——没有你的 Cookie、没有你登录过的账号。让 AI 帮你整理邮箱，得先在新窗口里重新登录一遍，还可能触发二次验证，而且每个需要登录的任务都要重复这一步。

坑二：自动化痕迹。 传统自动化框架（Puppeteer、Playwright）驱动的浏览器带有明显的机器特征：navigator.webdriver = true、空白的用户 Profile、反常的时序行为。对反爬严格的网站（机票、社媒、电商），轻则弹验证码，重则直接封禁。

坑三：人和 AI 抢浏览器。 很多方案是「桥接」你正在用的浏览器——AI 接管了它，你就没法用了；你动一下鼠标，AI 的定位就可能跑偏。同一时刻，浏览器只能服务一方。

市面上的方案大致是三条路线：

ego lite 走的是第四条路：它本身就是一个完整的 Chromium 浏览器，你日常用它上网；同时它内置了给 Agent 用的连接层（ego-browser skill），让任何主流 Agent CLI 都能进来干活——在你旁边的独立工作区里，用你已经登录的账号。

前面三个坑，正好对应它的三个设计：迁移 Chrome 数据解决登录态断层，真实浏览器 + 真实 Profile 解决自动化痕迹，Space 隔离工作区解决人机互抢。这就是本文推荐它的原因。

2. ego lite 是什么：三个核心概念

2.1 定位：一个浏览器，而不是一个「驱动器」

ego lite 基于 Chromium，扩展、历史、登录态可以从 Chrome 原样迁移，日常浏览体验几乎无差别。关键区别在于：它从设计之初就假设浏览器有两个用户——你，和你的 AI Agent。

整个体系由两部分组成：

• ego lite 浏览器本体：渲染页面、保存登录态、提供隔离工作区；
• ego-browser skill：安装时自动写入本机各 Agent 的技能目录（如 ~/.agents/skills、~/.claude/skills），Agent 通过它把 JavaScript 脚本送进浏览器执行。

2.2 Space：每个 Agent 的独立工作区

一个 Space 就是浏览器内一个完全隔离的工作区，有自己的一组标签页：

• Agent 在它自己的 Space 里开页面、点按钮、读内容，你正在浏览的标签页完全不受影响——鼠标指针都不会动；
• 可以同时存在多个 Space：Claude Code 在一个 Space 里整理线索，Codex 在另外五个 Space 里抓五个竞品网站，互不干扰；
• 你随时能看到哪个 Space 有 Agent 在跑，并且可以随时接管或叫停。

2.3 Snapshot：Agent 「看」网页的方式

纯文本模型没有眼睛，靠 Snapshot 理解页面——把当前页面转成一份结构化的文本树，每个可操作元素带一个 @数字 引用。ego lite 在引擎层做了定制，Snapshot 质量属于同类方案里的第一档，尤其在深层嵌套 iframe 这类其他方案普遍翻车的场景下依然可靠。

你现在只需要记住：Agent 干活的基本循环是「拿 Snapshot → 选目标 → 执行动作 → 再拿 Snapshot」。

2.4 Code-based，而不是 CLI-based

传统 CLI/MCP 方案的交互模式是「调两个命令 → 看返回 → 再调两个命令」，每一步都是一次独立的工具调用，中间夹着大量上下文传输。ego-browser 则把浏览器能力封装成一组 JavaScript 函数，让 Agent 做它最擅长的事——写代码：把「导航 → 等待 → 提取 → 点击 → 验证」这样的多步任务组合成一段脚本，一次送进浏览器跑完。

官方与 Vercel agent-browser 的对照 benchmark（同一模型、同一任务、各跑 5 次取中位数）显示，在四个复杂任务上 ego lite 最高快 2.6 倍、省 2 倍 token；Expedia 订机票任务上对手直接被反爬拦截，ego lite 正常完成——这是「真实浏览器 + 真实 Profile」的红利。

2.5 先泼点冷水：它的真实成本和缺点

上面的 benchmark 是相对值，别因此以为它便宜。我自己用下来的真实感受是：

• Token 消耗依然不小。 浏览器任务的本质是「看一页、动一下、再看一页」，Snapshot 压缩得再好，一个复杂页面也是几千 token 起步。一个多步骤任务跑下来，烧掉的 token 经常比让 Agent 写一段代码还多。开三个 Space 并行，就是三倍的速度、三倍的账单。用它之前先想清楚：这件事值不值得用 token 换。
• 仅支持 macOS。 Windows 还在封闭内测，Linux 在路线图上——这直接挡掉一大半潜在用户。
• 它很年轻。 skill 和 API 还在快速迭代，教程里的细节几个月后可能过时，以官方文档为准。
• 它不是测试框架。 没有断言体系、没有 CI 集成，别拿它替代 Playwright 干回归测试。
• 登录态是双刃剑。 Agent 能用你已登录的账号，意味着它理论上也能以你的身份发消息、下订单。敏感操作不要让 Agent 代劳。

3. 前置知识

必须掌握：

• 一个 AI Agent CLI：Claude Code、Codex 或 Cursor 任意一个，能正常对话即可（官方文档以前两者为例）。
• 基础命令行：能打开终端、复制执行命令。
• macOS：Windows 用户可以先收藏本文。

4. 环境搭建

4.1 环境清单

4.2 安装 ego lite

三种方式任选其一。

方式一：下载 macOS 应用（推荐）

到 GitHub 仓库（github.com/citrolabs/ego-lite）或官网下载 DMG，双击安装。安装过程会顺带把 ego-browser skill 写入机器上所有已安装 Agent 的技能目录。

方式二：用 npx 只装 skill

# 只安装 ego-browser skill；首次执行浏览器任务时会引导你安装浏览器本体
npx skills add citrolabs/ego-lite

方式三：让你的 Agent 自己装

把这段话粘贴进 Agent 对话框：

Set up ego lite for me: https://github.com/citrolabs/ego-lite
Read `skills/ego-browser/references/install.md` and follow the steps to install ego lite.

4.3 首次启动：迁移 Chrome 数据（关键一步）

首次打开 ego lite，它会问：是否迁移 Chrome 数据。

建议选「是」。你的登录态、Cookie、扩展、书签会整体迁入，此后 Agent 操作的每个网站都是「你已登录」的状态。

迁移时系统可能要求输入开机密码——这是为了解密 Chrome 的 Cookie 和登录凭据，属正常流程。同时 ego lite 会扫描已安装的 Agent，把 ego-browser skill 写入 ~/.agents/skills、~/.claude/skills/ 等目录。

4.4 调整 Agent 权限

如果你的 Agent 有权限分级，建议设为 Full access：ego-browser 需要启动本机的 ego lite 应用，沙箱外启动应用需要这个权限。以 Codex 为例，在会话权限中选择 Full access 即可。

4.5 验证安装

在 Agent 对话框输入：

/ego-browser 打开 example.com 并告诉我页面标题

预期结果：ego lite 被唤起，一个新的 Space 出现，Agent 在其中打开页面并回报标题「Example Domain」——你自己的标签页全程不受影响。看到这个结果，环境就绪。

5. 快速上手：第一个任务

先跑一个两分钟的任务建立直觉。在 Agent 对话框输入：

/ego-browser 打开 OpenAI 和 Anthropic 的官方博客，各总结最近三篇文章的要点，用中文列表回复我

接下来你会观察到一次完整的执行循环：

1. 建 Space：Agent 创建（或复用）一个 Space，浏览器侧边能看到它开始运转；
2. 看页面：在 Space 里打开博客页面，取一次 Snapshot；
3. 做事情：按 Snapshot 里的元素引用逐个点开文章、读取正文；
4. 报结果：把总结返回给你，并按需关掉它创建的页面。

整个过程你不需要碰浏览器。

提示：一个任务对应一个 Space。后续追加指令（「再往下翻两页」「把第三篇展开讲讲」），Agent 会复用同一个 Space，不会重复开窗口。

6. 进阶实操

四个场景由浅入深：前两个用自然语言即可，第三个开始接触 Snapshot 和选择器，最后两节涉及手写脚本和人机接力。

6.1 场景一：社媒操作（登录态继承的价值）

任务：让 Agent 在 X 上关注某个账号，并整理你关注列表里的讨论热点。

/ego-browser 在 x.com 上关注 @ego_agent，然后浏览我首页时间线，总结我今天关注的人都在讨论什么，列出三条热点

因为安装时迁移了 Chrome 数据，此时 X 已经是你的登录态——没有登录环节，没有二次验证，Agent 直接以「你」的身份干活。作为对比，用 Chrome DevTools MCP 做同样的事，默认会打开一个全新的调试窗口，X 会把它当作一台陌生设备要求重新登录。

干活过程中你可以切到那个 Space 实时围观——可见、可接管、可叫停。

6.2 场景二：信息抓取汇总（多 Space 并行）

任务：同时抓取多个信息源并汇总。

/ego-browser 并行开三个任务：分别抓取 TechCrunch、Hacker News 和 Product Hunt 今天的首页头条，汇总成一张表，包含标题、链接和一句话摘要

Agent 会为每个信息源开独立的 Space 同时工作，而不是串行地一个站点抓完再抓下一个——总耗时约等于最慢的那个任务。对「盯竞品」「盯舆情」「盯价格」这类日常监控场景很实用，配合 Agent CLI 的定时任务能力，就是一套个人情报系统。

提醒一句：并行开几个 Space，token 消耗就翻几倍。三个信息源并行是划算，十个就请先算算账。

6.3 场景三：邮箱 / 办公自动化（读懂 Snapshot 与选择器）

任务：让 Agent 进你的邮箱，把今天的未读邮件按紧急程度分类。

/ego-browser 打开我的邮箱，列出今天的未读邮件，按「需要今天回复 / 本周处理 / 仅知会」分类，附上发件人和主题

跑完之后，让 Agent 把某一步的 Snapshot 打印出来：

/ego-browser 把当前页面的 snapshot 打印出来给我看看

你会看到类似这样的结构化文本：

- table "收件箱"
  - row "张三 项目周报请查收 ..."
    - checkbox @21
    - link "项目周报请查收" @22
  - row "GitHub [repo] New pull request ..."
    - checkbox @23

每个可操作元素都有一个 @数字 引用，Agent 的动作就是基于这些引用和语义选择器定位的：

• @22 或 ref=22：直接用 Snapshot 引用；
• loc=role:link[name='项目周报请查收']：按角色 + 名称定位；
• text="回复"：按页面文本定位；
• loc=css:#main .unread：CSS 选择器。

看懂这个很实用：当 Agent 偶尔点错目标时，你能给出精确的纠偏指令（「你要点的是 @22」），而不是让它反复重试、白白烧 token。

6.4 场景四：开发调试 —— 用 ego lite 自测你写的网页

任务：你刚写完一个落地页，让 Agent 替你走一遍核心流程并截图。

/ego-browser 打开 http://localhost:3000，走一遍注册流程：填写测试邮箱 test@example.com、提交表单，确认跳转到欢迎页，每步截图保存到 ./qa-screenshots/

与 Playwright 系工具相比有一个微妙但实用的差别：ego lite 里装着你日常的浏览器扩展，Agent 操作的环境就是你用户真实面对的环境，测出来的问题更接近真实用户体验。

对于没有 DOM 语义的界面（Canvas 编辑器、地图、富文本），Agent 会切换成「截图 + 坐标级鼠标键盘」的策略，你在指令里说明「这是个画布应用，按看到的内容操作」即可。

6.5 手写 ego-browser 脚本：批量提取与文件下载

大多数时候你不需要自己写代码，但了解脚本长什么样，能帮你判断 Agent 干得对不对。ego-browser 脚本通过 heredoc 送进 Node.js 运行：

ego-browser nodejs <<'EOF'
const task = await taskSpace("scrape headlines");
const page = task.page("p1");
await page.goto("https://news.ycombinator.com");

// 在页面内批量提取（evaluate 的回调运行在页面里）
const rows = await page.evaluate(
  ({ selector, limit }) =>
    [...document.querySelectorAll(selector)].slice(0, limit).map((node) => ({
      title: node.textContent?.trim(),
      href: node.href,
    })),
  { selector: ".titleline > a", limit: 30 },
);
console.log(rows);

await task.finish({ keep: [] });
EOF

三个要点：taskSpace("名称") 创建/进入一个 Space，task.page("p1") 取第一个页面；page.evaluate() 的回调跑在页面内部，适合批量提取；结尾 task.finish({ keep: [] }) 关掉 Agent 创建的页面，把 Space 还给你。

下载文件：

const downloadPromise = page.waitForEvent("download", { timeout: 30_000 });
await page.click("button.download");
const download = await downloadPromise;
await download.saveAs("/absolute/path/report.pdf"); // 换成你的绝对路径

6.6 人机接力：handOff 与接管

有些步骤不该让 Agent 做——比如输支付密码、过滑块验证。ego lite 的解法是把浏览器交还给你：

/ego-browser 帮我把购物车结算到支付页，到输密码那步停下来交给我

Agent 执行到该步骤时会调用 handOff()，控制权回到你手里；你操作完告诉它「好了」，它在同一个 Space 里继续。反过来，任何时候你都可以在浏览器界面直接接管或叫停一个正在跑的 Space。

一句话心法：简单任务用自然语言，批量任务让 Agent 写脚本，敏感步骤交还给人。

7. 横向对比：ego lite vs Chrome DevTools MCP vs Playwright CLI

7.1 对比总表

表里的「登录态」「自动化痕迹」说的是各工具的默认行为：DevTools MCP 可以用 --browser-url 接管一个以调试端口启动的 Chrome，Playwright CLI 也能配置持久化 Profile——但配置成本本身就该算进选型里，而且这些模式下人机仍然共用同一个窗口。

7.2 Chrome DevTools MCP：为「调试」而生

它把 Chrome DevTools 的能力（性能追踪、网络分析、控制台、DOM 操作）暴露给 Agent。「帮我分析这个页面的 LCP 为什么慢」「抓一下这个请求为什么挂」——这类任务上它依然是最好的选择，ego lite 没有同等级别的性能剖析工具。

短板在日常自动化：默认启动独立的调试实例，登录态不在里面；接管日常浏览器的模式配置繁琐，而且 Agent 和你操作的是同一个窗口，互抢焦点。

7.3 Playwright CLI：为「测试」而生

微软官方为 Agent 设计的命令行入口：页面快照写成 YAML 落盘、Agent 用 run-code 执行代码，token 消耗比 Playwright MCP 低不少。

它的主场是可复现的自动化测试：CI 流水线、回归测试、跨浏览器矩阵，工程化程度是三者中最成熟的。短板在「扮演用户」：作为测试框架，它的指纹恰恰是为「被识别为自动化」设计的；持久化 Profile 和你日常 Chrome 的 Profile 也是两套世界，登录态、扩展都不共享。

7.4 选型建议

• 「我的页面为什么慢 / 哪个请求挂了」 → Chrome DevTools MCP，性能面板和网络瀑布图是它的独门武器。
• 「把流程固化成 CI 里的回归测试」 → Playwright CLI。注意区分「定期重复办事」和「回归测试」：前者 ego lite 也能做——跑过的脚本可以存下来复用，配合 Agent 的定时任务就能每周执行；后者要的是确定性断言和 CI 集成，LLM 驱动的操作天然做不到，这是 Playwright 的主场。
• 「去我的邮箱 / 社媒 / CRM / 内部后台办件事」 → ego lite。这类任务的共性是需要登录态、网站有反爬、你还想同时正常上网——三条全中。
• 「同时盯十个网站」 → ego lite，多 Space 并行是三个方案中唯一原生支持的，但注意 token 成本也随并行数线性上涨。

最后补一句实用建议：不是所有上网的事都值得派给 Agent。查个资料、看个页面这种一分钟能做完的事，自己动手更快更便宜。

结语与后续

到这里，ego lite 的核心概念（Space / Snapshot / Code-based）、四类典型场景的玩法、以及和两个主要竞品的选型逻辑都讲完了。它是我目前用过的方案里，「让 AI 替我上网办事」体验最顺的一个——但前提是你接受它烧 token 的现实，并且是个 Mac 用户。

本教程的常见问题排查、进阶拓展和 Cheatsheet 速查表三章将另行补充。如果你在实际使用中踩了坑，欢迎反馈，排查章节会优先收录真实问题。

附录

术语表

参考链接

• ego lite GitHub 仓库：https://github.com/citrolabs/ego-lite
• ego lite 官方文档：https://lite.ego.app/document/
• Chrome DevTools MCP：https://github.com/ChromeDevTools/chrome-devtools-mcp
• Playwright CLI：https://github.com/microsoft/playwright-cli