核心用法
browser-control 是一项远程浏览器控制技能，旨在解决 AI 代理无法直接处理的敏感网页交互场景。其核心架构为本地 VNC 服务器 + noVNC 网页界面 + ngrok 安全隧道，最终通过 Google OAuth 实现身份校验。
标准工作流：
1. 运行 status.sh 检查隧道状态
2. 若未运行，执行 start-tunnel.sh 启动（约 30 秒）
3. 实时读取 config.json 获取动态 URL（⚠️ 禁止缓存）
4. 将含自动连接参数的 noVNC 链接发送给用户
5. 用户通过 Google 账号完成 OAuth 认证，进入浏览器环境
6. 用户执行手动操作（登录、2FA、验证码等）
7. 用户确认完成后，AI 可通过 localhost:9222 的 CDP 协议继续自动化操作
8. 可选执行 stop-tunnel.sh 关闭隧道
关键设计： 隧道 URL 每次重启都会变化，且 VNC 密码已嵌入链接参数，实现"单次有效、自动登录"的无密码体验。
显著优点
- 身份安全： Google OAuth 替代传统密码，避免凭证泄露风险
- 最小权限： 仅预配置的单一邮箱可访问，天然白名单机制
- 动态隐蔽： ngrok 子域名随机生成，增加攻击者探测难度
- 零配置门槛： 用户端仅需浏览器，无需安装任何客户端
- 无缝衔接： 人工操作完成后，AI 可通过 Chrome DevTools Protocol 接管浏览器继续自动化任务
潜在缺点与局限性
- 服务依赖： 依赖 ngrok 免费/付费隧道服务，存在服务商可用性风险
- 会话不持久： 服务器重启后隧道不自动恢复，需手动重启
- 延迟敏感： 远程 VNC 对网络延迟敏感，复杂交互体验可能卡顿
- OAuth 锁定： 强制绑定 Google 账号，对隐私敏感用户或企业防火墙环境可能造成阻碍
- 单用户限制： 设计上为单用户场景，不支持并发多人协作
适合人群
- 需要偶尔处理强认证网站（银行、政务、企业 SSO）的自动化开发者
- 无法直接获取 API 凭据，必须通过网页端完成授权流程的场景
- 对安全性有一定要求，但能接受手动介入的半自动化工作流
常规风险
| 风险项 | 说明 |
|--------|------|
| 隧道暴露期 | 运行期间 ngrok URL 可被任何人访问（需 OAuth），建议用后即停 |
| 配置读取失误 | 若使用缓存的 `config.json` 数据，用户将无法连接 |
| 会话劫持 | 若用户在公共环境点击链接，存在屏幕被窥视风险 |
| 服务条款 | ngrok 免费层有速率限制，商业场景需评估合规性 |