BrowserOS

活跃
GitHub TypeScript AGPL-3.0

简介

开源的智能体浏览器,可作为 ChatGPT Atlas 和 Perplexity Comet 的替代方案,将浏览器转变为 AI 驱动的智能操作系统。

核心特性

  • AI 原生 Chromium 分支:53+ 浏览器自动化工具,支持自然语言导航、点击、输入和数据提取
  • MCP 服务集成:从 Claude Code、Gemini CLI 或任何 MCP 客户端控制浏览器
  • 可视化工作流构建器:通过拖拽图形界面创建可重复的浏览器自动化
  • Cowork 模式:将浏览器自动化与本地文件操作结合,实现端到端研究和报告生成
  • SOUL.md 人格系统:在单个 Markdown 文件中定义 AI 的人格和指令
  • 隐私优先:使用自有 API 密钥或通过 Ollama/LM Studio 运行本地模型,数据不离开机器

适用场景

💡 通过自动化浏览器工作流和定时任务进行网络研究和数据采集
💡 AI 辅助浏览,跨会话记忆实现个性化长期助手体验
💡 通过 MCP 连接 Gmail、Slack、GitHub、Linear、Notion 等的跨平台应用集成
💡 自动化 QA 测试和网站监控,支持视觉差异对比和定时代理运行

优势与不足

优势

  • 活跃维护,近期持续更新
  • 社区热度高(13.6k stars)
  • Issue 响应及时,积压少

⚠️ 不足

  • 许可证限制较多(AGPL-3.0)

快速开始

从官网下载 BrowserOS 的 macOS、Windows 或 Linux 版本,可选导入 Chrome 数据,连接 AI 提供商(Claude、OpenAI、Gemini 通过 API 密钥,或通过 Ollama 使用本地模型),即可使用自然语言控制浏览器。

相关项目

PyWinAssistant

1.3k · Python
不活跃 C

首个开源的通用 GUI 自动化智能体框架,通过自然语言完全操控图形界面,利用思维可视化与链式推理实现空间感知与 HID 交互模拟。

browseragentpython +2
  • · 首个通过原生 Windows 辅助功能 API 操作 GUI 的开源 Computer-Using-Agent,无需 OCR 或像素级成像
  • · 符号空间映射,通过 OS 原生父子关系和坐标系统实现层级化元素追踪
  • · 自然语言到 GUI 自动化:解析意图、映射到 UI 元素、生成自适应工作流

Page Agent

29.0k · TypeScript
活跃 A+

Page Agent 是阿里巴巴开发的 JavaScript 页面内 GUI 智能体,通过自然语言控制网页界面,实现自动化表单填写、页面导航和元素操作等任务。

browseragenttypescript +2
  • · 页面内JavaScript GUI智能体,无需浏览器扩展、Python或无头浏览器
  • · 基于文本的DOM操作,不依赖截图或多模态大模型
  • · 自带LLM,兼容任何OpenAI兼容API

Open Operator

2.0k · TypeScript
不活跃 C

基于 Stagehand 和 Browserbase 构建 Web Agent 的开源模板,提供无服务器浏览器自动化方案,支持 AI Agent 在云端安全执行网页操作任务。

browseragenttypescript +2
  • · 基于 Stagehand 和 Browserbase 构建的开源 Web Agent 模板——通过简单代理循环将自然语言意图转换为无头浏览器操作
  • · 由 Browserbase 驱动的无服务器浏览器自动化——AI 代理在隔离的云端浏览器会话中执行 Web 任务,无需管理基础设施
  • · Stagehand DOM 操作和状态管理,实现与 Web 元素的精确交互和结构化数据提取