chrome-use 功能介紹:讓 AI Agent 直接驅動你「已登入的真實 Chrome」

5 分鐘閱讀時長

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:

  1. 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;
  2. 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);
  3. 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 Chromechrome-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:

  1. 從 Chrome Web Store 安裝 chrome-use 擴充功能;
  2. 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
CreepJS0% stealth · 0% headless(無任何覆蓋痕跡)
bot.incolumitas.com全項通過
bot.sannysoft.com全綠
BrowserScanWebdriver / 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 loopjev 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-useGmail / 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-useBitwarden/Vaultwarden headless passkey 登入
chatgpt-use用 ChatGPT 訂閱當 coding agent 後端,免 API key
computer-usemacOS 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

  1. 「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;
  2. 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;
  3. 「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;
  4. 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

  1. 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);
  2. 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;
  3. 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;
  4. 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。