bridgic-browser
bitsky-tech/bridgic-browser加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
2024年以来，大模型在各领域的表现突飞猛进，但在网页操作这个场景上，主流 Agent 方案始终面临一个根本困境——模型「看不见」页面。
早期的 AI 浏览器控制方案，比如让 GPT 调用 Selenium 或 Playwright，本质上是给模型一段 HTML 源码或坐标指令，让它「盲猜」哪个按钮是「登录」、哪个输入框要填邮箱。这种方式在简单的静态页面上勉强能用，一旦页面稍微复杂——嵌套 iframe、动态加载、按钮被遮挡——模型就会彻底迷失。
Bridgic Browser 的出现，就是为了解决这个问题。它的核心思路是：不给 AI 一团乱麻的 HTML，而是给它一张精心设计的「无障碍快照」——Accessibility Tree + 语义化元素引用，让 AI 能像人类一样「看见」页面、理解元素、精准操作。
Bridgic Browser 由 Bitsky Tech 团队开发，创始成员张铁磊（GitHub: zhangtl04）此前在构建大规模网页数据采集系统时，深度使用了 Playwright 和浏览器自动化技术。
在实践中，他们发现：纯 Playwright 方案虽然灵活，但 API 设计偏向底层，AI 模型难以理解和操作；而当时市面上已有的 AI 浏览器方案，要么依赖商业 API（成本高、定制难），要么在复杂页面上准确率极低。
于是团队决定自研一套专门面向 AI Agent 的浏览器控制层，核心突破是 Semantic Snapshot（语义不变快照） 技术——通过特殊设计的 ref 生成算法，保证元素引用在页面重载后仍然有效，解决了 AI 执行长序列操作时的核心痛点。
Bridgic Browser 的技术架构分为三层：
第一层：Playwright 底层驱动 直接基于 Playwright（支持 Chromium、Firefox、WebKit），获取浏览器控制能力。Playwright 负责进程管理、浏览器生命周期、CDP 协议通信等底层工作，Bridgic 在其之上构建语义层。
第二层：语义快照层（Semantic Snapshot）
这是 Bridgic 的核心创新。传统方案中，页面快照通常基于 DOM 节点 ID 或 XPath，这些引用在页面重载后极易失效——一个按钮从 <div id="btn-1"> 变成了 <button data-v-3a2f>，AI 就找不到它了。
Bridgic 的方案是：
f0201d1c这个 ref 就是 AI 与页面交互的「坐标」——稳定、可预测、可重试。
第三层：工具集层（67 个工具 / 15 类） Bridgic 将浏览器操作封装为 67 个结构化工具，分为 15 大类：
AI 控制浏览器最怕什么？被网站识别为机器人。
主流网站的 Bot 检测通常依赖 JavaScript 指纹（navigator 对象、Canvas 哈希、WebGL 信息、字体列表等）和 CDP 指纹（automation 标志、webdriver 变量等）。传统反检测方案通常是「打补丁」式的——发现一个屏蔽一个，疲于奔命。
Bridgic Browser 的做法是模式感知的全向量覆盖，内置 24+ 项 JS/CDP 指纹向量，每个向量都有对应的「伪装」策略：
navigator.webdriver 标志Page.executeJavaScript 响应中的 automation 特征README 中特别提到，这套方案已在公开 Bot 检测基准套件上验证通过，且隐身模式默认开启，无需额外配置。
Bridgic Browser 提供了两种使用方式，适用于不同场景：
CLI 工具：bridgic-browser 命令行工具，适合手动操作、快速调试、或在 shell 脚本中调用。典型工作流：
bridgic-browser open --headed https://example.com
bridgic-browser snapshot # 获取当前页面快照（含 ref）
bridgic-browser click f0201d1c # 用 ref 点击「Learn more」链接
bridgic-browser screenshot page.png
bridgic-browser close
Python SDK：面向编程场景，深度集成 AI Agent。工具集构建器允许按类别筛选工具，只暴露 Agent 需要的能力范围：
from bridgic.browser.session import Browser
from bridgic.browser.tools import BrowserToolSetBuilder, ToolCategory
browser = Browser(headless=False)
builder = BrowserToolSetBuilder.for_categories(
browser,
ToolCategory.NAVIGATION,
ToolCategory.SNAPSHOT,
ToolCategory.ELEMENT_INTERACTION,
ToolCategory.CAPTURE,
ToolCategory.WAIT,
)
tools = builder.build()["tool_specs"]
SDK 还支持持久化与临时会话两种模式：默认持久化浏览器 profile 到 ~/.bridgic/，适合模拟真实用户行为；传入 clear_user_data=True 则每次启动全新临时会话，适合纯自动化场景。
Bridgic Browser 的终极目标不是替代 Playwright，而是成为 AI Agent 的「手和眼睛」。
它支持两种集成方式：
Skill 模式：适配 Claude Code、Cursor、Codex 等编程 Agent。通过 npx skills add bitsky-tech/bridgic-browser --skill bridgic-browser 安装后，Agent 可以直接用自然语言指挥浏览器工作，比如「帮我打开 GitHub，搜索 hermes-agent 项目，截个图」。Bridgic 在幕后完成快照生成、ref 解析、元素操作，Agent 无需关心底层细节。
Plugin 模式：配合 Bitsky Tech 的 AmphiLoop 框架，通过自然语言构建可复用的浏览器自动化脚本，节省 Agent 生成代码的 token 消耗。
没有工具是银弹，Bridgic Browser 也不例外。根据项目的 docs/KNOWN_LIMITATIONS.md，已知局限包括：
--headed 在 macOS 上存在已知的兼容性问题此外，作为一个相对年轻的项目（v0.0.5），依赖链较长（bridgic-core、bridgic-llms-openai），生态还在发展中，API 尚未完全稳定。
Bridgic Browser 的价值，不仅在于它本身是一个好用的浏览器自动化库，更在于它代表了一个方向——让 AI 真正理解并可靠地操作网页。
随着多模态大模型的发展，AI「看到」页面的能力在提升，但「操作」页面的可靠性始终是瓶颈。Bridgic 通过语义快照技术，给 AI 提供了一个稳定、可预测的交互界面，让 Agent 可以在网页上执行长序列的复杂任务成为可能。
从增长数据看，Bridgic Browser 目前 stars 虽不算高（74），但增长趋势值得关注。其所属团队同时维护着 Bridgic（AI Agent 框架）和 AmphiLoop（Plugin 方法论），形成了从浏览器控制到 Agent 决策的完整工具链，具备一定的发展潜力。
如果你在构建需要网页操作能力的 AI Agent、自动化测试平台或数据采集系统，Bridgic Browser 是一个值得关注的选项——尤其是当你厌倦了传统方案的「盲操作」困境时。