browser-js 综合评估
browser-js 是一个专为 AI Agent 设计的轻量级浏览器控制工具，通过 Chrome DevTools Protocol (CDP) 与 Chromium 浏览器通信，提供极简、索引化的页面交互能力。
核心用法
工具通过命令行接口提供完整浏览器自动化能力：
- 页面导航：
open <url>、back、forward、refresh - 元素发现：
elements [selector]扫描可交互元素并生成编号列表 - 交互操作：
click <index>、type <index> <text>、支持真实的鼠标事件触发 - 内容提取：
text（页面文本，8KB 上限）、html <selector>（元素 HTML，10KB 上限）、eval <js>（执行任意 JavaScript） - 文件上传：
upload <path> [selector]通过 CDP 直接注入文件，绕过系统对话框 - 截图与滚动：
screenshot [path]、scroll <direction> [px]
关键特性包括自动索引系统——elements 命令返回紧凑编号列表如 [3] (button) Submit，后续 click 3 即可精准操作；Shadow DOM 原生支持——递归穿透 web components，兼容 Reddit、GitHub 等现代 SPA；真实鼠标事件——使用 CDP dispatchMouseEvent 而非 JS .click()，可靠触发 React/Vue/Angular 合成事件。
显著优点
1. 极致 Token 效率：单次交互约 50-200 tokens，相比传统浏览器工具的 accessibility tree 快照（2,000-5,000 tokens）节省 3-10 倍，10 步流程可节省数万 tokens
2. 现代 Web 兼容：原生 Shadow DOM 穿透、SPA 框架事件支持，解决传统工具在现代站点的失效问题
3. 会话连续性：复用已登录浏览器实例，自动携带 cookies 和登录状态
4. 文件上传便利：绕过 OS 文件选择器，直接注入文件到隐藏 input 元素
5. 零配置开箱：OpenClaw 环境预配置，或手动启动 Chrome 即可使用
潜在局限
1. 依赖本地 Chrome：必须维持 Chromium 进程运行，无法在无浏览器环境使用
2. 单一实例限制：默认连接本地 18800 端口，多实例并发需额外配置
3. 内容截断：text 8KB、html 10KB 上限，大型页面需配合 eval 自定义提取
4. 无视觉理解：纯文本/索引输出，页面结构理解依赖 Agent 推理，复杂布局可能需截图辅助
5. 安全边界：eval 命令可执行任意 JavaScript，需信任调用方；upload 命令可访问本地文件系统
适合人群
- 需要高频浏览器交互的 AI Agent 工作流（如批量数据抓取、表单自动化）
- 处理现代 Web 应用（React/Vue/Angular、Shadow DOM）的自动化场景
- Token 预算敏感的长流程任务
- 已有 Chrome/CDP 基础设施的开发者
常规风险
| 风险类别 | 说明 | 缓解措施 |
|---------|------|---------|
| 命令注入 | `eval` 执行任意 JS，`open` 可能访问恶意 URL | 仅用于可信站点，输入 URL 需校验 |
| 文件系统访问 | `upload` 读取本地文件，`screenshot` 写入文件 | 在沙箱环境运行，限制文件路径 |
| 浏览器安全 | 复用用户会话可能暴露敏感信息 | 使用隔离的 user-data-dir，避免登录敏感账户 |
| 网络暴露 | CDP 端口若对外开放可被远程利用 | 绑定 127.0.0.1，勿暴露公网 |
| 依赖风险 | npm 依赖供应链攻击 | 锁定版本，审计 scripts/package.json |
来源可信度
纯社区开源工具，无商业背书。代码透明可审计，但安全报告为系统占位生成，未执行实际扫描。建议生产使用前进行依赖审计和沙箱隔离。