chrome-use 功能介紹:讓 AI Agent 直接驅動你「已登入的真實 Chrome」
發布時間:
chrome-use 功能介紹:讓 AI Agent 直接驅動你「已登入的真實 Chrome」
專案:https://github.com/leeguooooo/chrome-use | 官方文件:https://chrome-use.leeguoo.com 授權 Apache-2.0 | ⭐ 約 240 Stars(分析當日)| 最新版本 v1.5.290(發布於 2026-11-09,幾乎每天發版)
一、專案概述
chrome-use 的定位只有一句話:讓任何 AI Agent(Claude Code、Codex、Cursor、你自己寫的腳本)操作你「已經登入一切的那個 Chrome」。
它解決的是瀏覽器自動化長期以來的三大痛點:
- 不用開全新瀏覽器、不用重新登入 —— Playwright / Puppeteer 的新 contexts 是空的,cookie、session 全部要重來;
- 不會被網站判定為機器人 —— 因為驅動的就是你本人的真實瀏覽器,官方實測 CreepJS 得分 0% bot / 0% stealth(完全沒有任何指紋覆蓋痕跡);
- 不彈「允許遠端偵錯嗎?」視窗 —— 走 Chrome 原生訊息(native messaging)擴充通道,不用
--remote-debugging-port、不用 token、安裝擴充功能後零逐次確認。
技術本體以 Rust 撰寫(佔比約 72%),另有 JavaScript(Chrome 擴充)、Python、Swift 等。專案原本是 vercel-labs/agent-browser 的分支,現已獨立發展,隱身/擴充中繼架構、反偵測、人類化輸入、多 Agent 隔離與 CLI 都已大幅分岔。跨平台支援 macOS / Linux / Windows。
二、運作架構
你的 AI Agent (Claude Code / Codex / Cursor / MCP client)
│ CLI 指令 或 MCP stdio
▼
chrome-use CLI (Rust, 本機常駐 daemon)
│ Chrome Native Messaging(本機程序間通道)
│ ※ 無網路 socket、無 token、無遠端伺服器
▼
chrome-use 瀏覽器擴充功能 (Chrome Web Store 一鍵安裝)
│ chrome.debugger API
▼
你日常使用、已登入一切的真實 Chrome
幾個關鍵設計:
- 每個
--session獲得自己顏色的分頁群組(tab group):多個 Agent 可以同時共用一個真實 Chrome 而互不干擾,也不會動到你自己的分頁。省略--session時會從 Codex 的CODEX_THREAD_ID等 runner ID 推導出穩定 session。 - Agent 在你眼前工作:你親眼看到分頁開啟、點擊發生;遇到 2FA 或 CAPTCHA 隨時可以接手,處理完再交還給 Agent。
- 所有資料留在本機,擴充權限footprint 為 15 項且不授予任何 host 權限(
http/https為选用)。
三、與競品比較(README 官方對照表整理)
| 能力 | Playwright / Puppeteer / browser-use | 裸 CDP 端口 | Claude in Chrome | chrome-use |
|---|---|---|---|---|
| 支援任意 Agent / CLI | ✅ | ✅ | ❌ 僅 Claude | ✅ |
| 驅動你已登入的真實 Chrome | 需設定,新 context 是空的 | ✅ | ✅ | ✅ |
| 連線方式不彈「遠端偵錯」視窗 | —(自開瀏覽器) | 依版本彈窗 | 不彈 | 原生訊息,永不彈窗 |
| 真實瀏覽器指紋(CreepJS ~0%) | ❌ 有自動化標記 | ✅ | ✅ | ✅ 實測 0% |
無 Runtime.enable CDP 洩漏 | ❌ 洩漏 | ❌ 洩漏 | ✅ 實測乾淨 | ✅ 預設關閉 |
| 多 Agent 共用一個 Chrome + session 隔離 | ❌ | ⚠️ 無隔離 | ❌ | ✅ 彩色分頁群組 |
四、安裝與接接
# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/leeguooooo/chrome-use/main/install.sh | sh
# Windows (PowerShell)
irm https://raw.githubusercontent.com/leeguooooo/chrome-use/main/install.ps1 | iex
預編譯二進位檔,無 npm、無 token、Windows 不需管理員權限;也支援 Nix(flake + home-manager/NixOS module)。接上 Chrome 只要兩步:
- 從 Chrome Web Store 安裝 chrome-use 擴充功能;
chrome-use extension install註冊原生訊息主機(一次性),之後直接chrome-use open <url>。
Agent 技能(skill)安裝:安裝腳本會自動把內附 skill 裝進 Claude Code、Codex、Cursor 等;Claude Code 推薦走 plugin marketplace:
/plugin marketplace add leeguooooo/plugins
/plugin install chrome-use@leeguooooo-plugins
MCP 模式(給 Claude Desktop、ChatGPT connectors、n8n/Dify 這類跑不了 shell 的宿主):
{ "mcpServers": { "chrome-use": { "command": "chrome-use", "args": ["mcp"] } } }
五、核心功能詳解
1. 核心操作迴圈:open → snapshot → act → diff
chrome-use open https://example.com # 連上你的 Chrome 並導覽
chrome-use snapshot -i # 互動元素 + @refs 快照(一切互動的起點)
chrome-use click @e3 --observe # 動作,並觀察頁面反應
chrome-use snapshot -i --diff # 只回傳與上次快照的差異
設計上非常講究省 token:--diff 增量快照、範圍快照、--max-bytes 預算、observed.changes 只列增刪行;observed.announced 會抓到動作期間出現過的 toast / aria-live 提示文字(例如「影片審核中,未儲存」這種來不及看到的訊息)。
2. 語意化定位與嚴格唯一性
find role/text/label/placeholder/testid走 Chrome 無障礙樹(含aria-labelledby);必須恰好命中一個可見元素,模糊時回傳最多 8 個候補讓你縮範圍,絕不亂點。- 普通 CSS/XPath 給動作指令時同樣要求唯一,多中直接以
selector_ambiguous拒絕。 click "Post"可直接按文字點擊;--observe附帶完整的頁面反應觀察。
3. 結構化抽取與網站適配器(Site Adapters)
chrome-use extract --schema '{"rows":".item","fields":{"title":"a","url":{"sel":"a","get":"@href"}}}'
chrome-use site github/issues epiral/bb-browser --json
extract 一次呼叫就拿到結構化列資料;site 把網站變成「結構化資料 CLI」,直接吃網站自己的 API 回傳乾淨 JSON。
4. 登入自動化:接 Bitwarden / 1Password
chrome-use auth login --bwu # 從 Bitwarden 填充目前登入頁(含 TOTP、passkey)
chrome-use auth login --1password # 從 1Password(官方 op CLI,密碼不過手)
亮點是誠實的回報語意:只有網站真的接受登入才回 signedIn: true 並附證據;被導到驗證頁/2FA 頁會明確失敗並點名該頁面。遇到登入牆會先問你要不要從密碼庫自動登入(可選「這一次 / 這個站永遠 / 永不」)。1Password 走 op run 注入環境變數,本進程從頭到尾看不到明文密碼。
5. 示范教學(Teach by Demonstration):錄一次,之後零模型重播
chrome-use open https://shop.example/cart && chrome-use teach start --name checkout
# ...你在該分頁手動走一遍流程...
chrome-use teach stop # 產生 ~/.chrome-use/teach/checkout.json
chrome-use teach replay ~/.chrome-use/teach/checkout.json --arg-env password=SHOP_PW
teach stop 會把你的人工操作轉成語意定位優先、按鍵合併、含等待與最終 URL 檢查的 op-list;密碼、卡號、一次性代碼絕不被錄入,一律變成 --arg-env 參數。之後重播不需要任何模型。
6. Inspect & Ask:點一個元素,讓 Agent 改它
按 Alt+Shift+C → 點選網頁元素 → 輸入你想改什麼 → Enter。chrome-use 把你的話、元素的原始碼 file:line(來自 code-inspector-plugin)、截圖與樣式送進該專案已執行的 Claude Code / Codex / Pi session。支援 Shift+多選最多 8 個元素、箭頭升降層級、P 暫停動畫、每張截圖畫筆標註。注入預設關閉、用完即除,輸入框跑在擴充自己的 frame 裡,頁面腳本讀不到你打的字。
7. 瀏覽器內 Agent 側邊面板
點工具列圖示開啟 side panel,直接選 Codex / Claude Code / OpenCode / Pi 當 Agent(沿用 CLI 已有登入與模型設定),在 Chrome 裡跟 Agent 對話:
- 目前網頁以 tag 附在訊息上,Agent 直接針對該分頁工作;
- 支援
/選 skill、貼圖(最多 5 張,HEIC 自動轉 JPEG 並剝除 GPS EXIF)、排程提示(cron / 每日定時)、任務完成通知; /resume可以接續你在終端開的 Claude Code / Codex session。
8. 反偵測:零 JS 注入的原生路線
指導原則是「原生 CDP/Chrome 覆寫勝過 JS 說謊」——重新定義 getter 本身就是可被偵測的謊言,原生覆寫不是:
navigator.webdriver = false透過Emulation.setAutomationOverride(原生、不可被 CreepJS 式謊言檢測抓到);Runtime.enable預設保持關閉,堵掉 rebrowser 著名的 runtime-enable CDP 洩漏;- 連你的真實 Chrome 時注入零 JS 補丁,指紋完全真實。
官方實測成績(連真實 Chrome):
| 檢測站 | 結果 |
|---|---|
| CreepJS | 0% stealth · 0% headless(無任何覆蓋痕跡) |
| bot.incolumitas.com | 全項通過 |
| bot.sannysoft.com | 全綠 |
| BrowserScan | Webdriver / UA / CDP 全乾淨 |
| Cloudflare 受管挑戰 | 通過,無需互動 |
人類化輸入:--humanize off|fast|human(預設 fast;human 模式帶種子化 60–200ms 停頓與落點複查);--show-position 用 Chrome 自己的 overlay 畫橙色小方塊讓你追蹤 Agent 點哪裡,頁面 DOM/腳本/請求零痕跡。README 也誠實聲明:偵測站通過不代表每站通關、不保證帳號安全。
9. 提示注入防護(Prompt Injection)
網頁可以在人看不到的地方藏指令對付 Agent。chrome-use 預設:
snapshot/get text/read自動剔除人類不可見文字(離屏、透明、裁切、零尺寸、與背景同色)並聲明剔除了多少;- MCP 輸出與側邊面板把每個瀏覽器結果用 per-call nonce 包成「不可信網頁內容」欄位;
- 內測數據:隱藏假資訊命中 5/5 → 0/5,隱藏誘導指令遵循 6/6 → 0/6。
10. 權限與安全閘門
在自己的 Chrome 上,每個 Agent 動作會先對照落地網站檢查:銀行、券商、加密交易所、政府身分網站預設先問你(維護清單),刷卡欄位與下單前也會先問。你在側邊面板選「允許一次 / 這個站永遠允許 / 拒絕」;被攔的指令以 exit code 3 退出,Agent 執行 chrome-use confirm <id> 等你表決。企業可用 Chrome enterprise policy 釘選允許/封鎖網域與動作策略。
11. 其他能力速覽
| 功能 | 指令 |
|---|---|
| 批次動作 | batch "fill @e1 Ada" "click @e2 --observe" |
| 有界腳本流程 | script(observe/decide/act/verify,支援 JSON op-list 與 JS) |
| 網路攔截 | network route "*/api/me" --body '...'(mock/改寫/封鎖)、讀取跨域 frame 的 response body |
| 下載 | download @e2 ./video.mp4(沿用登入 cookie,不動目前分頁) |
| 裝置模擬 | set device "iPhone 13" / set device off |
| 原生對話框 | dialog accept|dismiss |
| 分頁收養 | tab adopt <url> 把已開的分頁掛進 session;--follow 跟隨點擊新開的分頁 |
| 截圖標註 | screenshot --annotate(編號標籤畫在 CLI 端,不碰頁面 DOM) |
| CAPTCHA 嘗試 | solve-slider(滑塊/旋轉驗證碼)、截圖引導的圖示點選;解不了明確交接給你 |
| 多 profile 路由 | 搭配作者的另一個 macOS 工具 ChooseBrowser:依站點規則自動選 Chrome profile |
| 測試與稽核 | chrome-use test(YAML 可重跑套件)、chrome-use a11y(axe-core 無障礙稽核) |
| HTTP API | 每個 session 的 stream port 上有版本化 /api/v1 |
| 實驗性 Agent loop | jev run --goal "...":TypeSafe Jev 驅動目標到完成,附各階段計時剖析 |
六、*-use 家族
chrome-use 屬於一組「給 AI Agent 一隻手」的小 CLI 家族,全部同樣形態:install.sh 安裝、npx skills add 教會 Agent、stdout 輸出 JSON:
| Repo | 給 Agent 的能力 |
|---|---|
| mail-use | Gmail / QQ / 163 / 任意 IMAP 的收發與分類 |
| iphone-use | 真實 iPhone:點擊、輸入、截圖、抓裝置資料 |
| wechat-use / discord-use | 微信(macOS)/ Discord 訊息操作 |
| cookie-use | 一站多帳號:捕捉、切換、套用 session |
| bitwarden-use | Bitwarden/Vaultwarden headless passkey 登入 |
| chatgpt-use | 用 ChatGPT 訂閱當 coding agent 後端,免 API key |
| computer-use | macOS 桌面本身 |
七、開發與維運面向
- 發布節奏極快:CHANGELOG 從 1.5.283 到 1.5.290,近期幾乎每天發版;
chrome-use upgrade會同時更新二進位與各 runner 裡已安裝的 skill 複本(可CHROME_USE_AUTO_UPGRADE=0關閉)。 - 文件極其完整:官方站有中英雙語 40+ 頁(commands、sessions、stealth、permissions、mcp、teach、inspect…),README 本身 105 KB,連「視窗最小化時截圖如何處理」這種細節都有規格化行為描述。
- 工程紀律:
AGENTS.md明文兩條鐵律——「絕不發布靜默成功」(每個失敗都要有明確錯誤碼與retryable標記)與「誠實量測效能」。JSON 回覆附cdpMs/cdpBusyMs/nonCdpMs計時剖析。 - 商業模式:Apache-2.0 開源 + README 廣告位 + 付費設定服務 + 贊助;本體無付费功能分割。
八、總結評價
亮點
- 「真實已登入瀏覽器 + 零彈窗 + 零注入指紋」這個組合,目前只有它與 Claude in Chrome 做到,而它不綁定單一 App——任何 Agent 都能用;
- 安全設計成熟:敏感站點閘門、提示注入過濾、密碼庫整合(明文不過手)、per-session 分頁隔離;
- 「示範教學零模型重播」與「Inspect & Ask 點元素改程式碼」是兩個非常有創意的差異化功能;
- 文檔品質與工程誠實度(失敗語意、計時剖析、實測數據附證據連結)遠超多數同類專案。
限制與注意
- 擴充仍走
chrome.debugger,Chrome 會顯示「開始偵錯此瀏覽器」黃色橫條(extension connect --silent可移除,需重啟一次 Chrome); - 反偵測是「實測數據、非保證」——README 自己反覆聲明 Cloudflare 通關與帳號安全取決於站點、主機的顯示卡、網路與瀏覽器版本;
- 多 profile 路由(ChooseBrowser)與部分原生整合僅限 macOS;Windows 功能面靠持續發版追平中;
- 專案極年輕(2026-01 創建)、發版快,API 行為細節非常多,依賴時建議鎖版本。
適合:要讓 coding agent / 自動化腳本操作「需要登入的真實網站」的開發者;在意指紋與反爬牆的抓取場景;想把瀏覽器能力以 MCP 掛進 Claude Desktop / n8n 的團隊。 不適合:需要無頭大規模平行爬蟲(數百實例)的場景——那仍是 Playwright cluster 的地盤;chrome-use 的定位是「一個 Agent 一隻手,看著它工作」。
資料來源:GitHub API、README.md(105 KB)、CHANGELOG.md、docs/en 目錄與官方文件站,分析日期 2026-11-09。Star 數為當日快照。