Tencent udostępnia BrowserSkill: narzędzie łączące agentów AI z rzeczywistymi przeglądarkami
Tencent udostępnia BrowserSkill: narzędzie łączące agentów AI z rzeczywistymi przeglądarkami
Tencent opublikował BrowserSkill, open-source’owe rozwiązanie umożliwiające agentom AI interakcję z aktywną sesją przeglądarki użytkownika, wykorzystując istniejące logowania i pliki cookie.
Tencent udostępnił na licencji open-source BrowserSkill – narzędzie, które bezpośrednio łączy agentów AI z realnym środowiskiem przeglądarki użytkownika, zamiast wymuszać pracę w izolowanych, czystych sesjach.
Tradycyjnie agenci otrzymują osobną instancję przeglądarki pozbawioną dostępu do kont użytkownika. BrowserSkill pozwala jednak takim narzędziom jak Codex, Claude Code czy Cursor działać na stronach internetowych, na których użytkownik jest już uwierzytelniony.
Agent operuje w odrębnym, widocznym oknie. Jeśli wymaga dostępu do konkretnej karty, najpierw prosi o pozwolenie, tymczasowo przejmuje kontrolę i oddaje ją po zakończeniu zadania. W przypadku napotkania captcha lub dialogów potwierdzających, sterowanie przekazywane jest użytkownikowi, a workflow jest kontynuowany po ich obsłużeniu.
Nie jest to serwer MCP, lecz lokalne narzędzie wiersza poleceń oraz rozszerzenie przeglądarki. Dzięki temu BrowserSkill współpracuje z dowolnym agentem zdolnym do wykonywania komend terminalowych.
Narzędzie wspiera systemy Windows, macOS oraz Linux. Cały kod źródłowy jest dystrybuowany na licencji MIT.
Dlaczego to ważne
AnalizaTen most między agentami terminalowymi a uwierzytelnionymi sesjami przeglądarki otwiera drogę dla nowych przepływów automatyzacji, pozwalając AI realizować zadania wymagające stanu zalogowania przy zachowaniu bezpieczeństwa dzięki jawnemu wyrażaniu zgód.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Jev i System One AI: Kompletny praktyczny przewodnik po modelu decyzyjnym od TypeSafe
Głęboka analiza inżynieryjna flagowego modelu Jev: architektura System One w kontraście do LLM, prymitywy Choice/Score/Noul, równoległość zapytań, matematyka pewności, przypadki użycia wideo, kod oraz przegląd lokalnych alternatyw open-weight (Laya, GLiNER2.5, CLM-8B).
AGENTS.md w Ghostty i Turborepo każe agentom AI donosić na użytkowników
Przykłady plików AGENTS.md pokazują, że instrukcje w repozytoriach mogą zmuszać agenty AI do dodawania do pull requestów upokarzających notatek o deweloperze.
DeepSeek uruchamia Creator Mode: harness można przebudować pod siebie
Open-source’owy harness DeepSeek zyskuje Creator Mode: agent pisze pluginy na podstawie opisu i wtapia je w interfejs aplikacji.
Claude Code Projects: jak jeden AI koordynuje zespół autonomicznych agentów
Głęboka analiza Claude Code Projects: architektura Coordinator i Threads, równoległe gałęzie, wspólna pamięć MEMORY.md oraz zarządzanie agentami w chmurze.