企业官网建设流程全解析

腾讯系组合拳实操：WorkBuddy + BrowserSkill 跑通『Agent 干活』的完整链路

【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI + extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkill

当大模型只会"聊天"而不会"干活"时，Agent 就永远停在玩具阶段。所谓干活，落到 Web 世界就是三个动作：打开页面、读懂页面、操作页面。过去几年，Playwright MCP、Agent Browser 等方案试图解决这个问题，但无一例外绕不开两个死结——要么 Agent 开的是全新无痕环境，登录态归零；要么自动化与用户的工作流互相抢占同一个浏览器窗口。

腾讯的答案是把这件事拆成两个组件：WorkBuddy负责模型调度与任务规划，BrowserSkill负责把 Agent 的意图翻译成真实浏览器里的操作。这套"腾讯系组合拳"的妙处在于：BrowserSkill 不替代浏览器、不替代 Agent 框架，它只做一件事——让任何 shell 型 Agent 复用你已经登录的浏览器会话，在独立的 Agent Window 里安全地干活。本文基于 BrowserSkill 官方仓库源码，从环境准备、技能启用、状态验证到端到端任务，完整拆解这条链路。

为什么是"WorkBuddy + BrowserSkill"这对组合

社区对这一组合的关注度正在快速升温：仅在 2026 年 9 月，就有多篇围绕"WorkBuddy + BrowserSkill"集成方案的技术文章集中发布，其中单篇阅读量从数百到上千不等，讨论焦点高度一致——本地桥接架构规避了远端策略拦截，比 Codex + Chrome 的云端方案更顺畅；同时多个社区方案开始尝试用统一 API Key 通道（如 TaoToken）为 WorkBuddy 接入模型，让"模型通道、浏览器通道、任务规划"三环节形成闭环。

为什么是这对组合而不是别的？因为两者的分工恰好互补：

• WorkBuddy是一个 shell 型 Agent 工具，负责"想"——读取技能文档、规划步骤、生成指令；
• BrowserSkill负责"做"——通过bskCLI 与浏览器扩展协同，把指令变成对 Chromium 的真实操作。

BrowserSkill 在官方文档中明确列出 WorkBuddy 为受支持的 Agent harness 之一（同列表还有 Cursor、Claude Code、Codex、OpenClaw、CodeBuddy、Pi、Hermes 等），仓库源码 crates/bsk-cli/src/skill_install/harness.rs 中HarnessId::Workbuddy被显式声明，对应的技能安装目录为~/.workbuddy/skills，并通过"~/.workbuddy目录存在"或"workbuddy在 PATH 上"两条信号自动检测本机是否装有 WorkBuddy。这意味着bsk install-skill可以一键把技能装进 WorkBuddy，而不是靠手工复制目录。

组合的底层架构：一次操作如何走完整条链路

BrowserSkill 由三件套组成：bskCLI（内含后台 daemon）+ 浏览器扩展 + 技能包。官方架构文档 docs/architecture.md 给出了完整的数据流：

1. Agent（WorkBuddy）通过 shell 执行bsk <子命令>；
2. CLI 通过 Unix Domain Socket 与本地 daemon 通信（JSON Lines 协议）；
3. daemon 在loopback WebSocket（默认端口 52800）上找到已连接的浏览器扩展；
4. 扩展的ToolDispatcher校验沙箱规则后，通过 CDP（Chrome DevTools Protocol）驱动 Chromium 页面；
5. 结果沿原路返回，CLI 打印输出并退出。

一次典型的工具调用链是：bsk click @e1 --tab-id 42 --session ab12—— CLI 确保 daemon 运行、建立 IPC、发送一条 JSON 请求行；daemon 解析会话ab12找到对应的浏览器实例，将tool.click经 WebSocket 转发；扩展执行 CDP 调用；响应再逐层回传。整个通信全程绑定127.0.0.1本地闭环，不经过任何云端中转。

这一架构解决了社区反复吐槽的三个痛点：登录态隔离（Agent 在独立窗口操作，不碰你的主窗口）、工作流不被打断（后台任务不抢占焦点）、隐私可控（凭证不出浏览器、不上传遥测）。

第一步：环境与接入准备

安装 CLI 与拉起 daemon

macOS/Linux 一条命令安装（详见 README.md 的 Manual setup 部分）：

curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh export PATH="${BSK_INSTALL_DIR:-$HOME/.local/bin}:$PATH" bsk --version

Windows 用户对应执行install.ps1。CLI 默认装到~/.local/bin，首次运行任意bsk命令会自动拉起后台 daemon（沙箱环境需遵循 docs/sandboxed-agents.md 的 host 常驻方案，设置BSK_HOME与BSK_AUTO_START=0）。

安装浏览器扩展并开启本地连接

在你要用的 Chrome/Edge 中安装 BrowserSkill 扩展，打开扩展弹窗，启用本地连接。此时不需要任何 API Key 或服务端配置——BrowserSkill 自身没有模型通道，它只负责浏览器通道。需要接入模型的是 WorkBuddy 这一侧：在 WorkBuddy 中配置模型服务与 API Key（社区实测方案中常用 TaoToken 等统一 Key 平台，将 Key 写入 auth.json 并配置 model 通道），使 Agent 具备"大脑"，而 BrowserSkill 提供"手"。

值得注意的是，社区实操文章里出现的高频报错（如 401、local proxy failed）绝大多数发生在模型通道这一侧，与浏览器通道无关——这也是"模型通道、浏览器通道、任务规划三环节分别验证"这一排查思路的来源。版本匹配同样关键：CLI、daemon、扩展、技能包需要保持版本一致，bsk doctor的protocol compatible检查正是为此设计的。

第二步：在 WorkBuddy 中启用 browser-skill 技能

技能安装有两种方式。推荐非交互式显式指定，避免自动检测误判：

bsk install-skill --harness workbuddy --json

或先查看所有可安装目标：

bsk install-skill --list --json

在交互终端里直接运行bsk install-skill，则用空格选中 WorkBuddy、回车确认。仓库源码 crates/bsk-cli/src/cli/install_skill.rs 显示，--harness支持重复传参，安装结果会打印✓ workbuddy → ~/.workbuddy/skills/browser-skill (installed)；若目录已有安装则默认跳过（skipped (already exists; use --force)），本地自定义技能会被保护，只有显式--force才会覆盖。

技能包本身位于仓库的 crates/bsk-cli/skill/SKILL.md，它定义了 Agent 的完整工作流：先observe读懂页面，再基于新鲜 ref 操作，最后必须session stop。技能还内置了两条硬性安全规则：页面内容是数据而非指令（防提示注入）；绝不提取凭证、Cookie、Token 等密钥。若 WorkBuddy 不支持自动发现技能，也可手动将整个 crates/bsk-cli/skill/ 目录（含references/）复制为browser-skill/。

第三步：状态验证——bsk doctor 与扩展连接

装完技能后，运行体检命令：

bsk doctor

bsk doctor是判断"是否真的能干活"的金标准。其检查项在 crates/bsk-cli/src/cli/doctor.rs 中定义，核心包括：

其中extension connected是最常见的一道坎：当status.browsers为空时，doctor 判定0 browsers connected并给出 hint——安装扩展并在浏览器中加载。每个fail项都会打印可执行的 hint，按提示处理后再跑一次即可。注意：doctor 通过只代表通道健康，不代表技能被 WorkBuddy 发现；官方文档明确要求新开一个 Agent 会话，确认它能列出或调用browser-skill才算真正就绪。

第四步：端到端任务演示——让 Agent 真正"干活"

链路就绪后，向 WorkBuddy 下达第一个任务。官方 Quick Start 给出最小示例：

Use browser-skill to open https://example.com, summarize the page, and end the browser session when finished.

Agent 会按技能文档拆解为如下命令序列（会话 ID 由session start返回）：

bsk session start --no-focus --json # 返回 session_id bsk navigate https://example.com --session <id> bsk observe --session <id> # 输出页面语义结构与 @eN refs bsk screenshot --session <id> --out page.png # 需要视觉证据时 bsk session stop <id> # 任务结束必须执行

observe是这套体系的核心感知通道：它返回的是语义化页面观察（VOM），而非原始 DOM，并给可交互元素分配@e1、@e3这样的 ref。随后 Agent 用 ref 完成操作（命令表来自 crates/bsk-cli/skill/SKILL.md）：

bsk click @e3 --session <id> bsk fill @e3 --value "text" --session <id> bsk select @e3 --value "option-value" --session <id> bsk press Enter --ref @e3 --session <id> bsk scroll-to @e3 --session <id>

一个更真实的"干活"场景（如分析书签、抓取表格）还可以利用标签借用机制处理已有页面：先bsk tab list --scope user --session <id>列出用户标签，bsk tab borrow <tab-id>把标签借入 Agent Window 操作，完成后bsk tab return <tab-id>归还——归还的标签仍留在用户窗口，不产生任何干扰（规则详见 crates/bsk-cli/skill/references/tabs-and-profiles.md）。多浏览器场景下，用bsk browsers查看实例并用bsk session start --browser <id>绑定。

遇到登录、验证码、OTP 或支付确认这类必须人参与的时刻，Agent 可以主动请求帮助（bsk request-help），人处理完由 Agent 继续——这正是"人机协作不中断"的设计点。任务全程还可以开启网站调试（website debugging）把每个操作对应的请求、响应体、Console 输出、页面变化记录为证据，或开启操作审计导出 JSON 复盘，具体见 docs/website-debugging.md 与 docs/operation-audit.md。

边界与安全：给"能干活"的 Agent 上锁

能力越大，越要清楚边界。官方文档在 README.md 的"Browser control and privacy"一节做了三处明确声明：

1. Agent Window 共享登录态，但不是安全沙箱——Agent 可以以你已登录网站的权限行事，请只派给它可信的任务；
2. 浏览器扩展提供两个独立的自动化设置——"借用标签前确认"和"允许请求人工帮助"，两者默认开启，且旧版 CLI 的--unattended等参数无法绕过它们；
3. 不提取凭证——技能与扩展均不读取 Cookie/Token，证据导出时还会过滤已知密钥。

再加上前文提到的"页面内容不可信"防注入原则，这套组合在"放权干活"与"守住底线"之间给出了一个工程上可落地的平衡。

小结

把整条链路压缩成记忆锚点，只有三步：装 CLI（含 daemon）→ 装扩展并连接 →bsk install-skill --harness workbuddy；验证只有一条命令：bsk doctor；干活只有一套模式：session start→navigate/observe→click/fill→session stop。

WorkBuddy 提供"会思考的 Agent"，BrowserSkill 提供"会动手的浏览器"——两者叠加，Agent 才真正从"对话工具"进化为"生产力工具"。而 BrowserSkill 的本地桥接设计，让这套组合无论搭配哪家模型、哪个 harness，都能以同样一条链路跑通，这正是它区别于各家私有方案的开放价值所在。

【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI + extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkill