50.8k星的agent-browser：AI用浏览器，先把token账算明白
做浏览器自动化的，多半被两件事折磨过：脚本随页面改版集体失效，或者让 AI 盯着截图找坐标——慢、贵，还时不时幻觉点错。今年 1 月 Vercel Labs 下场，选的是第三条路：不模仿人点鼠标，直接把网页的"地图"塞给模型。它叫 agent-browser，Apache-2.0 开源，实测文章发布那天仓库 49.3k 星，我今天查 GitHub 已经站上 50.8k，官方一句话定位就是 Browser automation CLI for AI agents。知乎GitHub
是个 CLI，不是又一个 MCP
它用 Rust 写命令行，命令发给后台守护进程，经 CDP 驱动真 Chrome；每个 --session 各配一套 daemon 和浏览器，默认空闲一小时自动退出。不用常驻 MCP 占上下文，任何会用终端的 agent 都能直接上手。知乎
核心就一条命令：snapshot
`snapshot -i` 把网页压成可访问性树，可交互元素带 [ref=e1] 编号，模型读的是这份清单而不是截图或原始 HTML。实测者给过数字：一个普通网页源码 1.29 MB，约合 32 万 token；清单只有 KB 级。同篇实测还留了一句扎心的：Playwright MCP 那类方案不是不行，而是"说明书"太厚——二十一个工具的定义就要一万三千多 token，还没干活先花掉一截。按 token 计费的年代，这个差距就是账单。知乎
更要紧的是它失败会明说：页面一变 ref 就过期，agent 做完一步必须重新读页确认，这套设计真正的价值不在"能点"，而在"可验证"。知乎
什么场景选哪条路
要嵌进自家 Python 系统深度定制，用 browser-use；查性能、抠网络，走 Chrome DevTools MCP；腾讯刚开源的 BrowserSkill 则是另一派——让 agent 直接用你已登录的真实浏览器，还不打断你自己干活。agent-browser 这种 CLI 路线则相反，胜在 token 最省、上手面最广。GitHub
别急着信基准图
ego-lite 今年 8 月甩出自测：完成率 93.5% 对 62.9%、每任务 $1.75 对 $4.23，账面碾压 agent-browser——但出题人是厂商自己，31 项任务的考场是人家搭的。信源落笔时，第三方对它的独立复现数量为零——这个赛道迭代太快，第三方的复测永远比厂商的图值钱。知乎
上手前三件事
CLI 走 npm 安装，`agent-browser install` 再拉 Chrome for Testing，实测者直连下载近 200MB 的安装包到一半就断、挂上代理才装完；依赖上 package.json 要求 Node.js ≥22。另外 0.42.0 版本守护进程卡死的 issue 还挂着，一旦卡住后续命令会集体排队而不是报错退出。它也不适合需要精细等待断言的测试和高频连续交互——每条命令起一次进程，就是 CLI 形态的代价。知乎知乎
AI 用浏览器，这一轮比的不是谁点得像人，而是谁把 token 花得省、把失败说得出口。你站哪条路线？
