用过 Playwright MCP 或各类 Browser Agent 的开发者,几乎都撞过同一个崩溃瞬间:
你让 AI 帮查一下 GitHub PR、核对线上监控、或者去公司后台拉份数据,结果它弹出来一个干干净净的“空白无头浏览器”——账号没登录、Cookie 全为空、SSO 要重新扫码、Cloudflare 反复拦截。折腾五分钟,还不如自己切到 Chrome 点两下。
刚刚,OpenCode 背后的 Anomaly 团队把官方开源浏览器插件 OpenCode Browse(开源仓库 anomalyco/browse)推进到了全新阶段:在最新的 0.1.x 版本中,他们彻底抛弃了 Node.js 和 Playwright,用 Rust 重写了整套本地中继与 MCP 服务,核心目标只有一句话——让 AI 直接使用你正在用的真实浏览器。

OpenCode Browse 官方项目横幅:通过本地中继与 MCP 让 AI 驱动你的真实浏览器
01
为什么一定要用“你的真实浏览器”?
传统浏览器自动化工具的逻辑是“隔离优先”:每次启动一套全新 Profile,虽然干净,却把你日常积累的全部登录态与上下文全丢了。
OpenCode Browse 反其道而行之。它支持 Chrome、Edge、Brave、Arc、Vivaldi、Opera、Helium 等全系 Chromium 浏览器,直接接管你手头正在用的浏览器环境——已登录账号、保存的会话状态与常用扩展都在原地,AI 打开页面就能干活,不用为了给 Agent 放权到处申请 API Key。
更难得的是,它在“不打扰用户”这件事上抠得很细:
- 后台静默分组
:Agent 打开的网页默认在后台运行,自动归拢到标签栏开头的折叠「Agents」分组里;它不能强行切走你正在看的标签页,也不能把窗口顶到前台抢焦点。闲置超过 10 分钟(可自定义)的 Agent 标签页还会自动清理回收。 - 一眼可见的运行状态
:当 Agent 正在操作某个页面时,页面底部会浮出一枚克制的 Working 状态胶囊,工具栏角标也会同步显示 RUN 或 WAIT。 - 随手“借出”与“收回”标签页
:如果手头正好开着一个报错页或后台面板,直接点一下工具栏上的插件图标,就能把这个标签页临时借给 Agent(角标变 ON);哪怕 Agent 正在操作中,再点一下就能立刻收回控制权。

OpenCode Browse 官方界面:Agent 在标签页工作时底部显示 Working 状态胶囊
02
遇到登录、Passkey 和支付?把控制权优雅交还给人
让 AI 接管真实浏览器,最怕两件事:一是撞上验证码和 2FA 死循环卡死,二是越权去碰密码和支付按钮。
OpenCode Browse 把 Handoff(人工接管) 做成了一等公民。只要 Agent 在流程里遇到只有真人才能处理的关卡——登录墙、Passkey 密钥确认、2FA 双重验证、验证码或支付页面——它不会试图硬闯,而是主动调用 handoff 暂停任务:
此时对应标签页会自动展开并亮起蓝色边框,页面左下角和侧边栏同时弹出 Your turn 接管卡片,写明当前域名和需要你完成的动作。你亲手完成验证后,点一下 Continue,Agent 就能无缝接过接力棒继续往下跑。出于安全考虑,只有真人在卡片或工具栏图标上的物理点击才能解除暂停,网页自身脚本无法伪造放行。

OpenCode Browse 官方界面:遇到 Passkey、登录或支付时暂停并弹出 Your turn 人工接管卡片
从 Chrome Web Store 最新展示的扩展界面还能看到,OpenCode 正在把这套能力从纯终端延伸进浏览器的右侧侧边栏:除了直接针对当前网页提问、共享标签页之外,还引入了 Site Scripts(站点脚本) 能力——你可以让 Agent 写一段类似油猴的页面改造脚本来调整网站布局或功能,但所有脚本在安装前都会弹窗展示代码预览(Show code)与拒绝/更新(Deny / Update)审批按钮,未经人工点确认绝不会自动生效。

OpenCode Browse 官方界面:支持在侧边栏让 Agent 编写站点改造脚本,经人工代码审核后生效
03
底层架构拆解:扔掉 Playwright,Rust 单文件 + QuickJS 沙箱
如果只看表面功能,它像是又一个 Chrome 扩展;但翻开 anomalyco/browse 的源码和 0.1.0 更新日志,你会发现背后的工程取舍非常老辣。

OpenCode Browse 官方架构图:Agent 经 MCP stdio 连入本地 127.0.0.1:19988 中继,再驱动浏览器扩展
整套系统由“本地原生中继 + 浏览器扩展”两半咬合而成,有三个极有意思的架构设计:
- 全量 Rust 重写,彻底告别 Playwright
:在 0.1.0 之后,CLI、本地中继器(默认监听 127.0.0.1:19988)和 MCP Server 全部合并成一个仅几 MB 的原生 Rust 单文件二进制。扩展通过 WebSocket 连上本地中继,再借助 Chrome 原生的chrome.debugger直接走 CDP 协议操控标签页——没有 Node.js 运行时负担,也不再依赖沉重的 Playwright。 - 针对不同客户端的“双模式”工具暴露
:这是一个极其懂上下文成本的设计。对于原生支持代码组合模式(Code Mode)的 OpenCode,中继器直接暴露完整的原子工具集(涵盖导航、精简快照、点击输入、截屏、网络抓包、控制台日志、录屏、WebMCP 与录制演示);而面对 Claude Code、Codex、Cursor 等外部 MCP 客户端,它默认只暴露 execute、status和tabs三个极简入口——Agent 可以把“打开页面 → 拉无障碍树快照 → 点击 → 校验结果”写成一段 Playwright 风格的 JavaScript,交给中继器里内嵌的 QuickJS 引擎一口气跑完。既省掉了几十个工具定义塞爆上下文的开销,又把多轮模型往返压成了单次执行。 - 静默交互与前沿协议支持
:中继器默认不开启容易被前端探测的敏感 CDP 域,并在隔离世界执行脚本,不留全局污染;支持模拟人类的曲线鼠标路径与打字节奏(也可一键关闭追求极限速度)。更超前的是,它已经原生内置 WebMCP 工具,遇到支持 WebMCP 标准的网页可直接调用站点声明的结构化接口;还提供了 demonstrate 工具,让你亲手演示一遍网页流程,Agent 在后台录制步骤学习。
04
带着真实登录态跑,安全护栏怎么扎牢?
一旦把登录着邮箱、代码库和云控制台的真实浏览器交给 AI,安全边界就成了底线。OpenCode Browse 在文档里非常坦诚地划清了边界,并搭起了四层机制:
- ECDH 密钥协商配对
:无需注册云端账号。配对时生成 10 分钟有效的一次性 8 位码(连错 5 次立即作废),通过 ECDH 密钥交换生成浏览器专属密钥;之后每次连接双向验签,防止本机其他恶意程序抢占端口冒充中继控制浏览器。 - 仅监听本机回环 + 跨机安全隧道
:HTTP 接口严格锁定 127.0.0.1,拒绝跨站浏览器请求和非法 Host 头。若 Agent 跑在远程开发机上,可用browse install --remote让扩展经由 Tailscale 或 WireGuard 内网连接,无需把端口暴露到公网。 - CDP 级硬护栏与自动脱敏
:底层直接拒绝清空 Cookie/缓存、修改站点权限、打开浏览器内部页或关闭整个浏览器;打开标签页时可指定域名白名单(allowedOrigins)与只读模式(readOnly);网络抓包会自动脱敏 Authorization、Cookie 和 API Key 等凭据字段。 - 正视间接提示词注入
:官方明确提醒,网页内容与 WebMCP 返回的工具描述都属于不可信外部文本,必须当成数据而非用户指令;且插件绝不替人自动破解 Cloudflare 或验证码,遇到拦截一律转交人工。
05
一分钟上手:不止服务 OpenCode,一键打通 33+ Agent
虽然名字叫 OpenCode Browse,但 Anomaly 把它做成了一个彻底开放的底层工具。在 macOS / Linux 终端里只需一行命令(Windows 可用 PowerShell 脚本,也支持 npx、npm 或 bun 全局安装):
一键安装(macOS / Linux):curl -fsSL https://opencode.ai/browse/install | bash
执行后,它会自动扫描你电脑里已安装的 AI 编程工具——目前原生支持 OpenCode、Claude Code、Codex、Cursor、VS Code、Windsurf、Antigravity、Gemini CLI、Zed、Kimi Code、Qwen Code、Trae CN 等 33 款以上客户端,弹出多选菜单自动写入 MCP 配置(并保留原配置文件的注释和排版),紧接着在浏览器里拉开引导页完成扩展安装与免复制自动配对。

OpenCode Browse 官方界面:四步清单引导,一分钟完成本地连接与侧边栏开启
如果你同时在用多种浏览器自动化方案,下面这张对照表可以帮你快速选型:
| 运行环境 | ||||
| 登录态与扩展 | ||||
| 底层依赖 | ||||
| 验证码与 2FA | ||||
| 最适用场景 |
表格可左右滑动查看
结语
如果说过去一年 Browser Use 赛道的主旋律,是在云端造出一个“虚拟替身”去硬闯互联网;那么 OpenCode Browse 给出的是另一种更贴近开发者日常的务实答案:
别让 AI 在隔离沙箱里从零开始演人类,直接把它请进你真实的工作台。 枯燥的查文档、抓接口、复现前端 Bug、填表比对,交给它在后台折叠标签组里静默跑完;真正涉及身份认证、敏感操作和代码审核的关键一步,亮起蓝框等你点一下 Continue。
当你不用再在终端和浏览器之间来回复制报错、也不用一遍遍重新扫码登录时,AI 编程代理才算真正长出了趁手的“眼睛”和“双手”。
你平时让编码 Agent 操盘浏览器时,最头疼的是反复登录、验证码拦截,还是上下文爆 Token?欢迎在评论区聊聊。