爬虫神器 browse.sh：提供 AI 代理超 500+ 常用网站完整操作技能包 Skill

AI 浏览器基础设施公司 Browserbase 正式推出 browse.sh，一个专门给 AI 代理（agent）使用的浏览器命令行工具（CLI），并附带超过 500 个预写好的"网络操作技能"。（前情提要：Claude Code 终极速查表：快捷键、Slash 指令、技能、Agents 代理、MCP 完整操作密技）（背景补充：Y Combinator 创业指南解读：AI Agent 在未来有哪些发展趋势？）月份，一个名叫 browse.sh 的工具正式上线，它要解决的是如何让 AI 代理（agent）如何更快速、正确的"上网做事"？以往的答案是：自己把整个网页的 HTML 源代码交给语言模型判断要点击哪里、填什么字段。这个方式不只慢，还非常烧钱：一个稍微复杂的电商页面，光 HTML 就可能有好几万个字符，全部喂给语言模型，token 费用支出不小。 Browserbase 给的答案是：预先把每个网站的操作逻辑写成一个"技能包 skill"，agent 只要调用技能，不用每次都读整页 HTML。browse.sh 就是这个想法的命令行入口，也是一个开放的技能目录（open web skill catalog）。 browse.sh 的官方定义是「Browser CLI and open web skill catalog for agents」，翻成白话：一个给 AI 代理用的浏览器命令行工具，外加一个开放的网络操作技能商店。这里有两个核心概念要先拆开说清楚：什么是 CLI（命令行接口）？就是你在终端机窗口里打字执行的工具。npm、git、python 都是 CLI 工具。browse 也是，安装后就能在终端机打 browse click "input#search" 让浏览器点一个特定元素。什么是 headless browser（无头浏览器）？一个不会实际在屏幕上打开窗口的浏览器程序，但行为跟真实的 Chrome 完全一样：可以执行 JavaScript、处理 Cookie、绕过基本的反机器人侦测。AI agent 通过它"看"网页、填表单、点按钮，用户什么都不用开。什么是 skill（技能）？一个预先写好的操作指令脚本，告诉 agent"这个网站的搜索栏在哪、下单按钮是什么 id、API 返回的 JSON 格式长什么样"。比起让 agent 每次都自己摸索，skill 让整个流程又快又省 token。 browse.sh 的底层是 Browserbase 自家开源的 Stagehand：Browserbase 自己写的"让 AI 操作浏览器"的开源工具包，可以把它想成 Playwright 加上 AI 语义理解层。browse.sh 是把 Stagehand 的功能包装成更好用的命令行工具，并在上面加了 500 多个现成技能。整个生态的入口有三个： - https://browse.sh/：官方网站与技能目录浏览入口 - https://browse.sh/llms.txt：给 AI agent 读的精简技能索引（体积小，适合直接喂给语言模型） - https://browse.sh/llms-full.txt：完整的 SKILL.md 说明，包含每个技能的 DOM 选择器与使用方式这个设计本身就很有意思：browse.sh 知道它的用户不是人，而是 AI，所以索引格式从一开始就是为语言模型设计的。安装只需一行： $ npm install -g browse 装好之后，基础操作指令涵盖了一个浏览器 session 的完整生命周期： $ browse click "input#search" $ browse type "Apartments in SF" $ browse press "Enter" $ browse screenshot $ browse network --tail $ browse console --tail 这里的 DOM 选择器（DOM selector）是什么？DOM 是网页的结构树，每个按钮、输入框、链接都是树上的一个节点。DOM 选择器就是告诉浏览器"要操作哪个节点"的精确地址，例如 input#search 意思是"id 叫 search 的输入框"，button.submit-btn 意思是"class 叫 submit-btn 的按钮"。 browse screenshot 让 agent 在操作过程中随时截图确认画面状态；browse network --tail 则会实时打印出浏览器发出的所有 HTTP 请求：这对调试非常有用，也让开发者能直接看到网站调用的后端 API 端点，方便之后写成 api 类型的 skill。安装技能只需要一行，之后 agent 就能直接用该网站的预写好操作逻辑： $ browse skills add airbnb.com 官方给的完整场景范例示范了这个工具的能力上限，让 Claude 规划一趟犹他州公路旅行，包含充电站、露营地，最后还自动到 Ramp 申请报账： $ browse skills add alltrails.com $ browse skills add recreation.gov $ browse skills add weather.gov $ browse skills add plugshare.com $ browse skills add ramp.com $ claude "Plan a road trip to Utah with EV charging stops and campsites for each night. Book and reimburse on Ramp." 本地模式 vs 云端模式是一个很实用的设计：默认情况下 browse 跑的是电脑上的本地 Chromium，适合开发和测试。当要上正式环境，只要在指令前加 cloud 就能切到 Browserbase 的云端浏览器基础设施：自动帮你处理 CAPTCHA（图形验证码）、身份验证、IP 轮换： $ browse cloud sessions create $ browse cloud fetch "https://www.nytimes.com/section/us" $ browse cloud search "Latest White House press release" 这个"本地开发、云端生产"的分离设计让开发者在本机测试不用付费，只有真正大量执行时才产生费用，对独立开发者相当友善。超过 500 个技能全部开源在 GitHub 的 browserbase/skills 仓库，任何人可以用 Pull Request 贡献新技能。主要分类如下：技能分三种类型，差异在"agent 用什么方法获取数据"： - browser 类型：agent 用 headless Chromium 直接操作网页画面，适合没有公开 API 的网站 - api 类型：agent 直接打网站的后端 API 端点，绕过浏览器渲染，速度更快、更稳定 - hybrid 类型：混合使用，例如登录用浏览器，抓数据用 API token 成本逻辑是这个分类设计最重要的理由。以往 agent 操作一个电商网页，要把完整 HTML 塞给语言模型分析，一个亚马逊商品页可能有 3 万个字符，换算成 token 大约是 7,000 至 10,000 个。如果 agent 每步都要读一次页面，一个 10 步的操作就要消耗 10 万个 token，费用很快就失控。 browse.sh 的 skill 预先标好了"搜索栏在哪、结果列表的 DOM 是什么、API 返回的关键字段是哪几个"，agent 收到的是精简指令而非整页 HTML。 Browserbase 官方宣称这能把 token 成本降低 50 倍，虽然实际数字因使用场景而异，但这个方向是正确的，这也是让"会上网的 agent"从烧钱的噱头变成可商业化产品的关键一步。 browse.sh 本身是免费开源工具，但其底层的云端执行环境 Browserbase 是付费服务。定价架构如下：几个值得注意的细节： - Free 方案不需信用卡，每月 1 小时内含量适合快速验证想法 - Developer 以上含 Stealth 模式（让浏览器看起来更像真人在操作，降低被封锁的几率）与自动 CAPTCHA 破解 - 计费是 usage-based（按实际用量计费，通过 Stripe 结算），不是固定席位费 - 住宅代理（residential proxy）：用真实住宅 IP 地址发出请求，避免被网站识别为机房 IP 而封锁。Developer 方案含 1 GB、Startup 含 5 GB browse.sh 与市面上主要竞品的差异比较： browse.sh 的主要优势在于：技能目录的规模（500 个 skill 远超竞品）、与 Claude Code 的深度整合（可从对话直接调用）、以及开发体验的友善度（本地免费开发、一个 cloud 字首切换生产环境）。 Browserbase 成立于 2024 年，核心产品是"云端 headless Chromium 浏览器即服务（BaaS）"——简单说，就是把高度拟人化的浏览器环境包装成 API，让开发者不用自己维护浏览器集群。融资历程： - 种子轮（Seed）：$6.5M - A 轮（2024 Q3）：$21M，CRV 与 Kleiner Perkins 共同领投 - B 轮（2025 Q2）：$40M，Notable Capital 领投、CRV 与 Kleiner Perkins 跟投，估值约 $3 亿美元 - 累计募资：$67.5M 两轮合计吸引到 Kleiner Perkins（早期投过 Google、Amazon）这个等级的 VC 持续加码，显示这个赛道的吸引力不是短期热潮。 Browserbase 的技术差异化在基础设施层： - Identity（身份系统）：帮 agent 管理登录状态与 Cookie，让每个 session 都像真实用户 - Verified browsers（已验证浏览器）：通过主要网站的机器人侦测筛查 - 自动 CAPTCHA 破解：无需人工干预，agent 可以无缝通过图形验证 - 住宅 IP 代理：用真实家用网络 IP 出口，避免机房 IP 被封锁合作伙伴名单本身就是一张背书清单：Anthropic（Claude 的母公司）、Perplexity（AI 搜索引擎）、LangChain（最广泛使用的 AI agent 框架）、Vercel（前端部署平台）都是客户或整合伙伴。从生态系时间轴来看，browse.sh 的推出不是孤立事件：2026 年 1 月 Vercel 推出 skills.sh（agent skill 公开目录），2026 年 5 月 Anthropic 扩大 Claude Skills 生态（推出金融分析 41 个 skill、Claude Design 等），同月 Browserbase 推出 browse.sh 并深度整合 Claude Code。这些动作共同描绘了一个趋势：从"会聊天的语言模型"走向"会做事的 agent"，而 skill = 动作模块，是让 agent 真正落地的关键零件。 browse.sh 目前仍有几个值得注意的限制： - 读多于写：目前 500 个 skill 中，查询、搜索、抓数据类的技能占多数；涉及"下单付款""提交表单"这类有真实副作用的操作较少，风险控管逻辑尚未标准化 - 网站更新维护成本：网站改版后，DOM 选择器就可能失效。500 个 skill 需要社群持续维护，这是开放生态的共有难题 - 登录态管理复杂度：需要 OAuth、双因素验证（2FA）的网站，agent 的登录流程仍然较复杂，目前主要靠 Browserbase 的 Identity 系统辅助 - 法规灰色地带：自动化操作某些网站可能触及服务条款，各地法律明确性不一即便如此，browse.sh 的推出时机点抓得很精准：Claude Code 已有大量开发者在用，skills 生态正在快速扩张，agent 基础设施的标准化正在凝聚。Browserbase 在卖的不只是云端浏览器服务，而是让 agent"真的会做事"的能力层，这和只会回答问题的聊天机器人是本质上不同的产品形态。从 token 成本降 50 倍、到深度整合 Claude Code、到 500 个现成技能，browse.sh 试图让"会上网的 agent"从技术论文里走到任何开发者的终端机。对加密产业而言，这既是效率工具，也是需要提前思考防御的新变量。