ego-browser

Curated pick

fisfzy/ego-browser

Drive ego-lite Chromium via 13 ego_* tools (semantic snapshot, click, fill, screenshot, CDP, task-space isolation) with a realtime observation overlay.

View on GitHub

stars

forks

2026-08-07

Created

2026-08-17

Last push

README

ego-browser — 看得见的 Agent 浏览器

仓库：github.com/Fisfzy/ego-browser（私有 · 内测）｜版本历史见 CHANGELOG.md｜详情页：dshfind

⚠️ 发布说明：本插件用于 DeepSeek Harness 生态，已在 dshfind 公开展示。仓库保持维护状态，不发布到 npm / 公共 registry；如需转载本仓库内容请注明出处，不要创建用于分发的公开 fork / 镜像。

把 CitroLabs/ego-lite（给 AI Agent 用的 Chromium）接入 DeepSeek Harness：以 32 个结构化 ego_* 工具驱动浏览器，并配一套实时观察前端口——agent 后台操作网页时，你能像看直播一样看到它正在浏览的每个页面，还能直接操作它。

一点私藏的独特之处（self-observation）：agent 用的就是这一个 Chromium——连它操作 DSH 自身（管理会话、任务看板、调设置）时，观察窗也实时显示、你能随时接手。不只是"看得见 agent 在网页上干活"，连 agent 操作 DSH 界面本身都是全程可见、可掌控的。

开箱即用：插件包内置 ego 运行时（runtime/，MIT，见 THIRD_PARTY_NOTICES.md）——无需克隆官方仓库、无需手动构建，--no-sandbox wrapper 随包自带，root / Docker / 无显示器一键跑。

我们的真正优势（不是口号，是能对照代码和竞品核实的能力）

同样把 ego-lite 接进 DSH，市面上已有同类插件用它只做了 3 个工具——一个 run 脚本、一个 help 指南、一个 status 体检，浏览器仍是后台黑盒。ego-browser 走的是另一条路：把黑盒打开，并且一上来就把"看"和"控"的能力做到位。

能力	ego-browser（本仓库）	同类插件（Da1dr1em/dsh-ego-browser）
结构化工具数	32 个，职责单一、可确定性调用	3 个（`run`/`help`/`status`）
实时观察窗（SSE screencast 推流 + 标签条 + 历史抽屉）	✅ 有	❌ 无
监控窗鼠标直接操作真实浏览器（点击/拖拽/滚动回传 CDP）	✅ 有	❌ 无
worker 单实例守卫 + 崩溃/重复自愈	✅ 有	❌ 无
下载捕获 `ego_download` / 人机验证检测 `ego_captcha`/`ego_page_info`	✅ 有	❌ 无
平台自适应（Linux/macOS/Windows 自动探测 + root/无头/`--no-sandbox` 兜底）	✅ 全平台	仅 Windows 预览宿主，需手动配
登录态落盘持久化 `ego_auth_flush`	✅ 有	⚠️ 仅文档级说明

关键差异两条：

看得到：别家是"跑完告诉你结果"的黑盒；我们实时推流，你看着 agent 操作，卡在验证码/走岔立刻发现。
控得住：别家只读；我们监控窗直接驱动同一个 agent 浏览器，需要时你亲手接管（缩放/拖拽/点击），不必打断 agent 重来。

以上对比基于公开可见的可核实事实：本仓库代码（bin/ego-cast-worker.mjs 实时推流 + CDP 输入回传、lib/index.js 32 个注册工具、lib/cast-server.js host 桥接）与同类插件的源码/README。此文档不含对任何他人的贬低——我们只陈述自己多实现并验证了哪些能力。

相对 ego-lite 本体，我们多做了这些（都可对照本仓库代码核实）：

能力	说明（对应代码）
观察窗前端口	ego-lite 本体是无头 CLI（只有 heredoc 脚本 + 文本输出）；我们在其上加了 SSE 实时推流 + 标签条 + 历史抽屉 + 监控窗鼠标直操（`bin/ego-cast-worker.mjs`、`lib/cast-server.js`、`lib/client.js`），让"看"和"控"成为一等能力
开箱即用 + 跨平台自足	`resolveEgoEnv` 自动探测 Chrome/Edge/Brave，内置 `--no-sandbox` wrapper，root / Docker / 无显示器免配置（`lib/index.js`）；不必像官方那样先装一个 GUI 宿主
健壮性层	冷启动自动重试（只重试 CDP 瞬态，不吞真错）、worker 单实例守卫 + 崩溃自动重启、插件卸载 fire-and-forget 不阻塞宿主退出、前端帧缓存上限（`withWarmupRetry` / `makeEnsureWorker` / `frameCache`）
运维型工具	`ego_doctor`（环境体检）、`ego_captcha`（人机验证探测）、`ego_auth_flush`（登录落盘）、`ego_http`（浏览器上下文请求）等，是原生 CLI helper 没有的一层
self-observation	agent 操作 DSH 自身界面时同样实时可见、可接手

我们不声称媲美官方 macOS App 的内核级快照或原生多窗口体验；本仓库解决的是"把同一套浏览器能力带进 DSH + Linux/WSL + 看得见"这件事。

它解决什么问题

通用浏览器不是为 agent 设计的，而 Web 上大量交互（登录态、验证码、动态渲染、表单、需真人会话的站点）只有真浏览器能面对——这正是 ego 系 "让 agent 用你已登录的浏览器，而不打扰你"（官网）的由来。

ego-browser 把它接进 DSH，并把最痛的一点——你看不见 agent 在干什么、也插不上手——用一套观察窗解决：

🌐 小球一点看直播；🟦 标签条切换/关闭；🕘 历史抽屉回看；🔍 缩放拖拽；🖱️ 监控窗直接接管真实浏览器。一句话：让 agent 在浏览器里干活，你在旁边既看得见、又随时能接手。

几个常见的上手场景

文献 / 数据抓取：让 agent 登录知网 / 谷歌学术翻页收集，你在观察窗看着它滚动、点下一页、下载 PDF，中途卡住立刻能发现。
表单与登录：agent 填表到一半，观察窗弹出验证码——你直接接管把验证码点了，再交还给 agent 继续。
QA / 冒烟测试：让 agent 在自己产品上点一圈，观察窗等于一台"会说话的录屏"，顺手还能回看历史轨迹。
看 agent 操作 DSH 自身（self-observation）：agent 在管理会话 / 调设置时，观察窗同样全程可见、可接手。

✨ 近期亮点

v0.7.0：观察窗状态灯干活常绿、空闲呼吸；ego_script 每次运行超时 timeoutMs 真正生效；前端 frameCache/pageMeta 按标签清理 + 上限兜底，杜绝长会话内存增长；状态路径家目录回退改 os.homedir() 跨平台化；新增 .gitattributes 统一 LF 换行。
v0.6.1：卸载不再阻塞宿主退出（自愈链路稳定）；观察窗 worker 单实例守卫 + stale 状态清理；登录/人机验证引导条可关闭且互斥；观察窗主动跟随 agent 正在操作的页面（不再被后台重绘页抢占视图）。
v0.6.0：工程收敛——lib/ 定为唯一源，build 改语法校验，杜绝"一构建全回归"。
v0.5.0：实时 SSE 推流 + 监控窗直接操作 agent 浏览器。
v0.4.0：Windows 适配。
完整历史见 CHANGELOG.md。

前置条件

要求	说明
Node ≥ 22	harness 环境自带
任意 Chrome / Chromium / Brave / Edge	自动发现，或 `EGO_LINUX_CHROME` 指定；root 下用自带 wrapper
DSH + dshx	插件装载机制
带图形界面的 DSH Web（观察窗）	headless 会话仍可用 `ego_*` 工具，仅无观察窗

安装

dshx install ego-browser <ego-browser.tgz>                             # tarball 或 git URL 均可
dshx list                                                # 应显示：[on] ego-browser

可选配置（~/.dsh/config.yaml 该插件条目下）：egoBin、defaultSpace、maxOutputBytes、graceMs。

无需宿主侧任何配置：resolveEgoEnv 自动探测 root / 无显示器并兜底。观察窗 host 路由（/api/ego/spaces 等）仅在有 HTTP server 时注册，headless 是安全 no-op。

工具清单（32 个，前缀 `ego_`，完整索引见 `ego_help`）

类别	工具
任务空间	`ego_space_open` `ego_space_close` `ego_status`
页面读取	`ego_snapshot`（语义树） `ego_page_info` `ego_read_element`
导航/等待	`ego_navigate`（复用 tab） `ego_wait` `ego_wait_for_selector` `ego_wait_for_url` `ego_wait_for_response`
交互	`ego_click` `ego_fill` `ego_hover` `ego_drag` `ego_select` `ego_check` `ego_key` `ego_scroll`
执行/调试	`ego_js`（页面求值） `ego_cdp`（原始 CDP） `ego_cli`（任意 heredoc） `ego_script`（多步脚本）
输出	`ego_screenshot` `ego_download` `ego_upload`
会话/安全	`ego_auth_flush`（登录落盘） `ego_captcha` `ego_dialog`
元工具	`ego_help` `ego_doctor` `ego_http`

观察窗怎么用

右下角 🌐 常驻小球 → 点开：

主画面：agent 当前页面实况；滚轮缩放、按住拖动、双击复位；Ctrl+滚轮缩放视图、Ctrl+拖动平移（v0.5.0）。
标签页条：顶部横排，点选切换，× 关闭。
历史抽屉（🕘）：按时间回看访问轨迹。
操作时下方网址行就地显示提示，2 秒后恢复。

登录态说明：多任务空间 Cookie 相互隔离，请在对应空间内登录。重启 DSH 后运行期登录态被清空（Chrome 运行期 Cookie 仅优雅关闭时落盘），需重登——扫码很快。

工作原理

工具层：每个工具把参数拼成 JS 脚本，经 ctx.subprocess 用 ego-browser nodejs 喂给 stdin 运行，宿主经 CDP 驱动共享 Chromium。结果以 @@DSH_RESULT@@ 哨兵行解析。所有 ego_* 经进程内互斥锁串行化，错误统一归一。
观察窗（三层）：lib/client.js（前端）+ lib/cast-server.js（host 路由转发，懒启动、崩溃自动重启）+ bin/ego-cast-worker.mjs（attach 到 agent 正在用的浏览器，推实时帧）。worker 只读/见控，绝不动宿主环境。

开发

npm run build   # node --check lib/*.js（lib/ 为唯一权威源，不复编译覆盖）

直接改 lib/（lib/index.js 工具层、lib/client.js 前端、bin/ego-cast-worker.mjs worker）。新工具在 registerActionTools 按 t({...}) 加，并在 ego_help 索引补一条。

node_modules/ 仅含指向 DSH checkout 的符号链接（编译期类型解析）；运行时由 harness 解析 @deepseek-ai/dsh-tools。

已知限制（诚实说明）

Windows：插件层已做 v0.4.0 适配；底层 ego-lite 宿主仍是非 Windows 官方支持的社区移植，复杂多步流程稳定性可能弱于 macOS。
快照质量：Linux 用 CDP DOMSnapshot 重建语义树，非 macOS 内核级，复杂 iframe/画布场景可能降级。
宿主可靠性（Linux）：未合并的社区 PR，跨 CLI 调用间可能丢 tab/空间状态；插件已内置防御，简单流程稳定，复杂流程可能需重试。
登录态持久化：Chrome 运行期 Cookie 仅优雅关闭时落盘，强杀重启需重登。
输出 schema 为宽松 additionalProperties: true，客户端以实际返回值为准。