AIPex：用自然语言操控你的浏览器，零门槛、零迁移

想象这样一个场景：你正面对着一份长长的研究任务——需要打开几十个网页、逐一点击提取信息、汇总成报告。传统的做法是手动操作，一页一页复制粘贴，耗时耗力。AIPex 给出的答案是："用自然语言指挥你的浏览器。" 你只需要说"帮我研究这个主题，找出前10个关键发现"，AIPex 就会自动打开标签页、翻页、定位内容、提取数据，全程不需要你动手。

背景：为什么浏览器自动化总是"多此一举"？

在 AIPex 出现之前，主流的浏览器自动化方案都有一个共同的痛点：要求用户"换浏览器"。

以 ChatGPT Atlas、Dia、Comet 等工具为例，它们都要求用户安装独立的浏览器实例。这意味着：你需要重新学习一套全新的界面，把书签、插件、登录状态全部迁移过去，切换成本极高。同时，这些工具大多采用订阅制收费，而且会收集用户的浏览行为数据用于模型训练——对于注重隐私的用户来说，这是一道不可逾越的红线。

AIPex 团队反问自己：为什么自动化不能直接在你已有的浏览器里跑？ 于是他们做了一款 Chrome/Edge 扩展，让浏览器本身成为 AI Agent 的"双手"，用户无需安装任何额外软件，无需离开自己的浏览器环境，就能享受 AI 自动化带来的效率提升。

核心功能：AI Agent 的浏览器控制中枢

AIPex 本质上是一个浏览器扩展 + AI Agent 控制层的组合体。它的核心能力可以概括为三个层次：

第一层：浏览器扩展（Chrome Extension）

以 Chrome Manifest V3 扩展形式安装，运行在用户已有的浏览器中。它包含：

• Side Panel（侧边栏）：用户直接输入自然语言指令
• Content Script（内容脚本）：注入所有页面，捕获 DOM 结构
• Background Service Worker：管理状态和消息分发
• Options 页面：配置 API Key、连接 MCP Bridge

扩展的架构设计非常模块化，核心逻辑分为多个独立包，便于独立演进和测试。

第二层：MCP Bridge（AI Agent 桥接层）

这是 AIPex 最具想象力的设计。它通过 Model Context Protocol（MCP） 将 AIPex 扩展暴露为 AI Agent 的"工具集"。支持同时连接多个 AI 客户端：

Cursor ──HTTP POST /mcp──┐
Claude Code ──HTTP POST /mcp──┤── aipex-mcp-server ──WebSocket──▶ AIPex Chrome Extension
VS Code Copilot ──HTTP POST /mcp──┘

MCP Bridge 通过 npx aipex-mcp-server 一键启动，提供三个端点：

• /mcp：StreamableHTTP 端点，接收 AI Agent 请求
• /extension：WebSocket 端点，与 Chrome 扩展通信
• /health：健康检查

这意味着你可以让 Cursor、Claude Code、VS Code Copilot 同时控制同一个浏览器实例，实现多 Agent 协作。

第三层：30+ 浏览器自动化工具

通过 MCP 协议暴露了 30 多个浏览器控制工具，包括：页面导航、元素定位、表单填写、内容提取、截图、滚动等待等。开发者还提供了 aipex-browser Skill 包，为 Claude Code 等支持 Skill 协议的 Agent 提供开箱即用的工具策略和参数 schema。

技术架构：清晰的 Monorepo 设计

AIPex 采用 pnpm workspace 构建 monorepo，代码组织非常清晰：

子包	职责
packages/core	核心 AI Agent 框架（TypeScript），定义 Agent 状态机、任务调度
packages/browser-ext	Chrome 扩展主包，包含 React UI、Tailwind CSS 样式
packages/browser-runtime	浏览器运行时环境抽象
packages/aipex-react	React 组件库
packages/dom-snapshot	DOM 快照与差异对比
mcp-bridge	MCP Server 实现（TypeScript）
skill	Claude Code Skill 包定义

整个项目约 70% 为 TypeScript 代码，另有部分 React（前端）和配置文件。代码规范方面，项目使用 Biome 进行格式化和 Lint，使用 TypeScript 严格类型检查，Vitest 作为测试框架，整体代码质量评分可达 82/100。

隐私设计：数据不离开你的浏览器

AIPex 最大的差异化卖点之一是隐私优先。它采用 BYOK（Bring Your Own Key） 模式：用户使用自己的 AI API Key，AI 交互完全发生在用户设备和 AI 服务商之间，AIPex 服务器本身不记录任何用户行为数据。这与需要上传浏览数据的竞品（如 ChatGPT Atlas）形成了鲜明对比。

上手体验：2分钟安装，即刻使用

对普通用户而言，AIPex 的上手路径非常简洁：

1. 从 Chrome Web Store 或 Edge Add-ons 安装扩展
2. 点击扩展图标，打开侧边栏
3. 输入自然语言指令（如"帮我研究 LLM 最新进展"）
4. 观看 AI 自动操控浏览器完成任务

对于开发者而言，接入 MCP 只需三步：

1. 终端运行 npx aipex-mcp-server（Node.js 环境）
2. 在 AI 工具中配置 MCP 端点为 http://localhost:9223/mcp
3. 在 AIPex 选项页连接 WebSocket ws://localhost:9223/extension

全程无需 Docker、无需服务器，部署难度几乎为零。

局限与争议

1. 强依赖 AI API Key：没有自己的 AI 后端，必须用户自行准备 OpenAI/Anthropic/Gemini 等 API Key，对 AI 新手有一定门槛。

2. 扩展安全性限制：Chrome Manifest V3 限制了 background script 的能力，某些高级自动化场景可能受限。

3. 无服务端部署选项：对于企业场景，无法在中心化服务器上运行 AIPex，团队协作场景受限。

4. 营销声明需审视：声称"完全隐私"，但实际上 AI API Key 和 API 服务商之间的数据交互仍受各服务商隐私政策约束。

行业意义：从"安装新浏览器"到"扩展赋能"的范式转变

AIPex 的出现代表了一种新的趋势：将 AI Agent 能力注入用户已有的工具生态，而非要求用户更换工具链。

从技术演进角度看，browser-use 方向从早期的 Puppeteer/Playwright 脚本，发展到独立的 AI 浏览器（Dia/Comet），再到 AIPex 这样的"扩展即 Agent"模式，呈现了明显的"轻量化 + 零迁移"趋势。随着 MCP 协议的普及，AI Agent 控制浏览器的标准化程度也在不断提升。

从数据上看，AIPex 在 GitHub 上获得了 1211 颗星，122 个 fork，且有 9 个语言的 README 文档，说明其国际化程度较高，社区关注度可观。产品已上架 Chrome Web Store 和 Edge Add-ons，具备真实的用户规模。

总结

AIPex 是一个设计精巧的浏览器自动化工具，通过 Chrome 扩展 + MCP Bridge 的组合，让 AI Agent 能够用自然语言操控用户已有的浏览器。它最大的价值在于"零迁移"——用户无需离开自己的浏览器生态，就能获得 AI 自动化的能力。对于 AI 爱好者，它是体验 AI Agent 能力的绝佳入口；对于开发者，它是构建浏览器自动化应用的坚实基础。隐私优先的设计理念和开源透明的代码，也让它在数据安全敏感的场景中具有独特优势。