my-agent-browser：增强chrome-devtools-mcp实现Agent浏览器能力共享与自愈
速览
该项目是对chrome-devtools-mcp的增强封装，旨在解决AI Agent在浏览器操作中的痛点。它实现了浏览器实例共享、进程生命周期管理及崩溃自动恢复，同时通过配置驱动降低指纹识别风险。项目兼容原生能力，支持MCP协议，便于Hermes、Claude Code等Agent统一调用浏览器能力。
AI 深度解读
背景
在当前的 AI Agent 开发与应用场景中，浏览器自动化能力是连接数字世界与智能模型的关键桥梁。尽管市面上已存在多种解决方案，包括各大 Agent 框架内置的浏览器模块、通用的 chrome-devtools-mcp 工具、Playwright CLI 命令行工具，以及新兴的云端浏览器服务，但开发者在实际落地时往往面临诸多痛点：
- 数据持久化缺失：会话状态难以保留，每次重启需重新登录。
- 可视化困难：缺乏直观的界面反馈，调试成本高。
- 指纹识别风险：自动化浏览器指纹与真实用户差异过大，易触发反爬机制。
- 资源隔离与共享矛盾：多个 Agent 实例往往各自启动独立的浏览器进程，导致资源浪费且难以统一状态管理。
针对上述“完美需求”的缺失，开发者基于社区开源项目 chrome-devtools-mcp 进行了深度封装，推出了 my-agent-browser 项目。该项目旨在通过 MCP (Model Context Protocol) 和 Skill 机制，提供一个具备实例共享、故障自愈及低指纹特征的统一浏览器能力层，目前已在 Hermes、Claude Code、Codex 等多个 Agent 环境中经过数月迭代并趋于稳定。
核心内容
my-agent-browser 本质上是对 chrome-devtools-mcp 的增强型包装，它保留了原项目的所有原生能力，并在此基础上增加了面向 Agent 场景的优化层。
技术增强点
该项目主要实现了以下四项核心增强功能：
- 浏览器实例自动发现：能够自动识别和管理现有的浏览器实例，避免重复启动。
- 浏览器进程生命周期管理：统一控制浏览器的启动、运行与关闭，确保资源释放。
- 崩溃恢复机制：具备故障自愈能力，当浏览器进程异常退出时，能够自动尝试恢复连接或重启服务。
- 配置驱动的反爬策略：通过配置文件灵活调整浏览器指纹和行为特征，使其尽可能贴近日常真实浏览器的行为，降低被目标网站识别为机器人的风险。
使用体验优化
- 面向 Agent 友好的提示：提供了专门针对 AI Agent 优化的使用提示（Prompt），降低模型调用浏览器的门槛。
- 统一能力层：作为统一的浏览器能力后端，支持 Hermes、Claude Code、Codex 等不同 Agent 框架共享同一个浏览器实例，实现了“数据目录持久化”和“界面可见性”的需求。
安装与集成流程
项目采用标准化的 Skill 安装方式，流程如下：
- 安装 Skill：通过命令行执行
npx skills add briqt/my-agent-browser -g -y进行全局安装。 - 引导配置：安装完成后，用户需指示 Agent 阅读
my-agent-browser的 Skill 文档（具体指令为：“阅读 my-agent-browser skill 并引导我完成配置”）。 - 自动注册：Agent 会根据
SKILL.md中的指引，自动完成 MCP 协议的注册及后续的环境配置。
关键要点
- 开源合规性：该项目已在 LINUX DO 社区打上“开源推广”标签，承诺完整开源无隐藏代码，并已获得社区认可。项目介绍中的 AI 生成内容已按要求进行截图公示，接受社区监督。
- 非替代性增强：项目并非取代
chrome-devtools-mcp，而是作为其上层封装，确保不丢失任何原生功能的同时提供额外价值。 - 多 Agent 共享架构：解决了多 Agent 场景下浏览器资源隔离与状态共享的难题，支持多个 AI 助手共用一个浏览器实例。
- 反爬指纹优化：通过配置驱动的方式，显著提升了自动化浏览器指纹与真实用户的一致性，有助于应对复杂的反爬场景。
- 极简集成：通过
npx和 Skill 机制，实现了“零配置”或“低配置”的快速集成，Agent 可自动完成 MCP 注册流程。
意义与影响
my-agent-browser 的出现填补了浏览器自动化在 Agent 生态中的特定空白。它不仅仅是一个工具库，更是一种架构模式的探索：将浏览器能力抽象为可共享、可自愈的基础设施服务。
对于开发者而言，该项目降低了构建复杂浏览器自动化工作流的难度，特别是在需要长期运行、多任务并行且对指纹敏感的场景下（如自动化测试、数据采集、个人助理等）。通过引入“故障自愈”和“实例共享”机制，它提升了系统的鲁棒性和资源利用率。
此外，该项目遵循 MCP 标准，展示了如何通过 Skill 机制将复杂的技术栈（如 Chrome DevTools Protocol）封装为 AI 原生友好的接口，为其他类似系统能力的标准化集成提供了参考范例。随着 AI Agent 对物理世界和数字世界交互需求的增加，此类中间件层的重要性将愈发凸显。