做了一个 chrome 插件，让 agent 自动化你的浏览器

发布于

独立开发者，做了个 Chrome 扩展 WebCLI，刚上架商店，来求点真实反馈。

我平时工作学习基本就在 terminal 和浏览器之间，一直想把浏览器这边的重复操作也自动化掉。类似的插件试了一圈，要么太重，要么功能太受限，干脆自己写一个，顺便当作学习。

它做的事很简单：把你登录的 Chrome 变成外部 AI agent 的手。本身没有 agent、没有界面，只有一个显示连接状态的 popup；外部 agent 你自己搭（Claude Code、Codex，或者任何能发 HTTP 请求的东西），WebCLI 只负责执行。

一共 25 个工具，包括开关标签页、读页面、点击输入、搜索抓链、截图等等，解包不到 300 KB，基本覆盖手动能在浏览器里做的事。

怎么用，很简单：

1. 在 webstore 安装 WebCLI
2. 让你的 agent 安装 skill (`npx skills add whitefoxx/webcli-skills -g`)，然后 agent 就知道怎么使用了

权限有点多（`debugger`、`<all_urls>`这类），慎重，因为它做的就是代替你操作整个浏览器。过几天我整理下代码，然后开源出来，目前只开源了 skills。

商店：[WebCLI - Chrome 网上应用店](https://chromewebstore.google.com/detail/webcli/jnhfdhpafndcbppkphhfpecflhogngge)

danemon + skill（已开源）：[GitHub - webcli-skills](https://github.com/whitefoxx/webcli-skills)

---

原文链接：[点击查看](https://www.v2ex.com/t/1230768)

评论（7）

我记得 Codex 不是可以直接操作网页吗？

· 0 个赞

回复

确实，如果你重度使用 Codex 的话它自带的肯定更顺手。我这边的区别在于不绑定具体的 agent，通过本地的 daemon 暴露了 25 个操作，不管你是 Claude Code 还是自己写的脚本都能随便调。其实初衷也就是自己想练手学一下，过几天准备把代码开源出来。

· 0 个赞

普通的点击和输入倒是好说，最坑的其实是富文本编辑框。我之前折腾过 X (推特) 的发推框，直接用 type 或者 execCommand 都会被它自己的编辑器吞掉事件，最后发现只能一段一段去 insertText 并且插入两次换行才稳。这种通用工具很难cover所有网站，估计最后还是得一个个去针对性适配。

· 0 个赞

回复

富文本这块确实是最难搞的。我的思路是不直接去改 DOM，而是利用编辑器自己的输入事件去写入。像 React 这种框架直接赋值是没用的，得调用原生的 setter 再触发事件。目前我也只测试了单段文本，多段落的还没做特殊处理。不过好在操作完后会把实际写入的内容返回给 agent，让它自己检查有没有写成功。

· 0 个赞

没太看懂这个比那俩多出了啥能力，Claude code 有官方插件，codex 也能直接操作浏览器啊。

· 0 个赞

回复

Claude 的扩展确实挺好用的。我自己弄这个一方面是为了学习，另一方面是想做个不绑定特定 agent 的通用工具。而且现在这种通用工具跑起来太费 token 了，我想着能不能加一层针对不同站点的适配能力，比如让 agent 先生成个特定站点的脚本，后面直接复用，这样能省不少 token。这点其实 @bkingfilm 兄弟也提到了。

· 0 个赞

其实官方之前就出了一个相关的工具：https://github.com/ChromeDevTools/chrome-devtools-mcp，可以看下这个。

· 0 个赞

0.071886s