核心用法
Remote Browser Service 提供基于 Kubernetes/Docker 后端的远程 Chrome 浏览器控制能力，专为 AI Agent 设计。核心工作流分为两条路径：
DOM 自动化路径：创建会话 → 导航至目标 URL → 获取可访问性树快照（/json）→ 基于 ref/selector 执行操作（点击、输入、滚动等）→ 验证结果。适合标准网页交互场景。
VNC 桌面路径：当需要处理浏览器原生界面、系统弹窗、权限提示或像素级精确控制时，使用 VNC 接口（/vnc/screenshot、/vnc/action），直接操作远程桌面帧缓冲。
关键 API 包括：会话管理（创建/恢复/存储）、导航控制、文本提取（支持 Readability 模式）、多模式截图（Chrome 渲染/VNC 原始帧缓冲）、元素操作（DOM/VNC 双模式）、HTML 快照及地理位置模拟。
显著优点
- 双模控制架构：DOM 模式高效精准（~3,600 tokens 获取交互元素），VNC 模式覆盖边界场景（系统对话框、浏览器 chrome）
- AI 优化设计：可访问性树直接输出结构化数据，避免 HTML 解析噪音；token 成本透明（
/text~800 tokens，/json?filter=interactive~3,600 tokens） - 会话持久化：自动保存至 S3（cookies、localStorage、sessionStorage），支持断点恢复
- 灵活认证：Bearer Token 或 API Key，user_id 自动派生
- 并发限制明确：单用户最大 1 个并发会话，避免资源滥用
潜在局限
- 会话生命周期：5 分钟空闲即关闭，需主动 ping 保活；429 限流时需等待或手动终止旧会话
- 并发硬性限制：单用户无法并行多会话，高吞吐场景需队列化管理
- ref 解析限制：部分 action 尚不支持 ref→DOM 自动映射，需回退到 CSS selector
- VNC 坐标依赖：桌面级操作需精确坐标，跨分辨率场景可能需动态计算
- 网络依赖：所有操作依赖远程服务可用性，无离线降级方案
适合人群
- 需自动化网页抓取、表单填写、数据提取的开发者
- 需要浏览器可视化验证（验证码、渲染测试）的 QA 工程师
- 构建 AI Agent 需要真实浏览器环境作为工具链的工程师
- 需处理复杂登录流程、Cookie 持久化的自动化场景
常规风险
- 凭证泄露：
AC_API_KEY为敏感信息，需避免硬编码或日志输出 - 会话劫持：Bearer Token 泄露可导致他人控制活跃会话
- 数据残留：会话存储至 S3，敏感站点访问后建议主动清理存储会话
- 限流中断：未处理 429 响应可能导致自动化流程异常终止
- VNC 暴露：noVNC 接口 URL 若被截获，可实时观看/控制远程桌面
- 地理位置模拟滥用：可能违反目标网站服务条款