核心功能与用法
Remote Browser Service 是一个部署在 Kubernetes 上的远程浏览器自动化平台，通过 HTTP API 为 AI Agent 提供完整的网页控制能力。核心工作流程遵循"导航→快照→执行"模式：首先通过 /navigate 加载目标页面，然后使用 /json 获取可访问性树快照（包含元素引用 e0, e1 等），最后通过 /action 执行点击、输入、按键等操作。
服务提供四层信息提取能力：
- 文本提取 (
/text)：默认启用 Readability 模式，自动过滤导航栏、广告等干扰内容，约 800 tokens，适合内容阅读场景 - 交互元素快照 (
/json?filter=interactive)：仅返回按钮、链接、输入框等可操作元素，约 3,600 tokens，适合自动化任务 - 完整页面结构 (
/json)：返回完整无障碍树，约 10,500 tokens，用于深度页面分析 - 视觉截图 (
/screenshot)：支持 JPEG 质量调节和 base64/原始字节输出，约 2K vision tokens
API 设计特点
认证支持 Bearer Token、API Key 或 URL 参数三种方式，用户 ID 从令牌派生。会话管理采用 5 分钟空闲超时机制，支持通过 /ping 保活和 S3 持久化存储实现会话恢复。动作系统涵盖 click、type、fill、press、focus、hover、select、scroll 八种类型，支持 CSS 选择器和元素引用双模式定位。
显著优势
1. AI 原生优化：无障碍树输出直接适配大语言模型的 token 预算，提供详细的成本指南帮助开发者选择最优信息提取策略
2. 云原生架构：Kubernetes 部署支持弹性扩展，会话级隔离确保多租户安全
3. 双模交互：HTTP API 适合快速调用，WebSocket (/ws/{session_id}) 支持 DevTools CDP 协议满足高级调试需求
4. 智能内容净化：内置 Readability 算法自动提取正文，显著降低无关内容的 token 消耗
局限性与风险
功能局限：当前元素引用 (ref) 到 CSS 选择器的映射存在文档与实现的不一致，实际使用时需优先依赖 CSS 选择器；HTML 快照 (/html) 功能仅返回内联 CSS 的静态页面，不支持动态 JavaScript 执行后的状态捕获。
安全考量：服务要求 AC_API_KEY 环境变量进行认证，但文档未明确说明令牌传输是否强制 HTTPS、密钥存储是否加密、以及会话数据在 S3 持久化时的加密策略。Kubernetes 部署场景下，需额外关注容器逃逸和网络策略配置。
合规风险：网页抓取行为需遵守目标网站的 robots.txt 和服务条款，自动化表单填写可能涉及未经授权的计算机访问（CFAA 等法规），跨境数据传输需评估数据主权要求。
适用场景
- 企业自动化：定期数据抓取、报表生成、内部系统巡检
- AI Agent 增强：为 LLM 提供实时网页浏览能力，支持 RAG 架构下的动态信息检索
- 测试与监控：端到端自动化测试、网站可用性监控、竞品价格追踪
- 辅助技术：基于无障碍树的屏幕阅读替代方案
使用建议
生产环境部署时，建议启用专用网络隔离、配置会话超时告警、实施 API 速率限制，并建立目标网站授权白名单机制。开发者应优先使用 /text 和 /json?filter=interactive 控制成本，仅在必要时启用完整截图。