AgentBrowser AI浏览器产品系统

AI Agent 真要干活就得操作网页：填报名表、投投标、发作品、发帖。但现有做法有三处硬伤。一是把整页 HTML 直接塞给大模型，几千 token 里有九成是脚本和样式，上下文还没读完钱就烧完了；二是让模型现场编 CSS 选择器，对方一发版就全崩，而且崩得静悄悄；三是最要命的——自动化脚本执行完就算成功，从不确认结果，于是「钱付了、表没交出去」这种事故要到人去查才发现。

套件只对外暴露三个动词。see 把当前页面压成带稳定 id 的结构化节点列表，每个节点标注它实际能做什么（可点击、可输入、可切换、可选择）；act 对某一个 id 执行某一个动作；read 按意图取正文而不是按选择器抠字。模型全程只跟 id 打交道，从不接触选择器。关键在于三态回执：每个动作返回"哪些变了、哪些失败了、哪些无法验证"。unknown 被设计成一等公民，不允许系统用"看起来没问题"冒充通过——扫不全就报扫不全，宁可让人接手，也不出具假的干净结论。

Node.js + TypeScript，底层 Playwright 与 Chrome DevTools Protocol，同时以 MCP server 形式对外提供。四个真实踩过并解决掉的难点：① CDP 接管已打开的浏览器，让 Agent 继承真实登录态而不必碰用户原有的任何一个标签页——自建页打 window.name 标记，重连时只按标记回收自己开的孤儿页，绝不按 URL 猜，因为猜错就会关掉用户正在用的页；② 针对 React / Vue 受控组件补齐原生 setter 加 input / change / blur，否则会发生"输入框看着有值、提交却说为空"；③ 页面上存在隐藏的同名按钮时按可见面积最大的选，避免点在 0×0 的副本上还返回成功；④ 在涉及付款、删除、不可逆提交前设策略门先停一下。它自己跑完了 Upwork 简历建档与提案投递、Devpost 黑客松提交、Toptal 申请表单填写。