Kuri：AI Agent 原生浏览器自动化框架

图1：Kuri 项目 Logo，机器人小坚果的形象

---

它是做什么的？

当 AI 程序员告诉你「让 AI agent 自动操作浏览器完成订票任务」，大多数人想到的是 Selenium、Playwright 或 Puppeteer——这些工具本质上是给人类 QA 工程师设计的，接口笨重、token 消耗惊人，集成进 agent 循环后每次页面观测就要烧掉数千 token。

Kuri 解决的就是这个问题：为 AI agent 量身打造的浏览器自动化服务器，用 Zig 原生编写，通过 Chrome DevTools Protocol（CDP）控制浏览器，暴露 135 个 HTTP API 端点，任何语言、任何 agent 框架都可以直接调用。

---

背景故事：为什么需要 Agent 原生浏览器工具？

2024 年起，AI coding agent（Claude Code、Cursor、Browse等）开始能自动完成复杂任务，但遇到需要「看网页」的环节就卡壳。传统方案要么依赖 headless Chrome + Playwright（太重），要么用远程浏览器服务（延迟高、数据泄露风险），要么基于 full DOM dump（token 爆炸）。

Kuri 的作者 justrach 在开发 AI 编程工具时亲历了这些痛点，决定用 Zig 从头写一个极轻量、极高效、agent-first 的浏览器自动化方案。项目的核心设计哲学是：AI agent 不需要像人一样看页面，只需要看到「能交互的元素」就够了。

---

核心能力解析

1. Token 高效的 Accessibility Snapshots

传统方案截图或导出完整 DOM，Kuri 的 GET /snapshot?filter=interactive 只返回带 @eN 短引用的可交互元素列表。

实测数据对比：

• Kuri snapshot：完整任务循环仅消耗 3,392 tokens（Google Flights 场景）
• 相比 agent-browser：节省 7-12% tokens
• 轻量观测模式 GET /page/state：仅 48 tokens（vs full snapshot 2,124 tokens，44 倍差距）

这是因为 Kuri 使用 Chrome 内置的 Accessibility Tree 而非渲染后的 DOM，配合 zero-prefix 渲染，把 token 消耗压到最低。

2. 135 个 HTTP API 端点

完整覆盖 agent 常用操作，包括：页面观测（snapshot/screenshot）、交互操作（click/type/hover）、批处理（batch，一次 HTTP 调用执行 N 条指令）、HAR 录制回放、移动端控制（iOS ADB / Android WebDriverAgent）。

批处理是关键：传统方案每个动作一次 HTTP 往返，每次都要 LLM 推理一次。Kuri 的 POST /batch 可以一次发送 N 条指令，agent 只需一次推理就能驱动完整行为链。

3. React 兼容性

很多 AI agent 失败的原因是点击事件没触发（尤其是 React 18/19 架构）。Kuri 使用 CDP 原生鼠标事件 + 逐字符 key 事件，直接走 React 的 onClick 和 onChange 路径，兼容性远高于坐标点击方案。

4. 移动端支持

除浏览器外，Kuri 还支持 iOS（通过 WebDriverAgent 控制 Safari）和 Android（原生 ADB wire-protocol 客户端，无需完整 Android SDK），成为目前最全的跨平台设备控制方案之一。

---

技术架构

Kuri 是一个单进程 Zig HTTP 服务器，架构极简但模块化清晰：

HTTP Client → router.zig（路径分发+认证中间件）→ bridge.zig（共享状态：tabs/snapshots/CDP clients）→ cdp/client.zig（WebSocket同步请求/响应）/ snapshot（A11y Tree高效观测）/ crawler（爬虫逻辑）/ storage（HAR录制）

两种 Chrome 模式：

• Managed：Kuri 自己启动 Chrome
• External：连接已有的 Chrome 实例（适合 Docker 环境中 Chrome 已运行的情况）

---

上手体验

安装（curl 一键）

curl -fsSL https://raw.githubusercontent.com/justrach/kuri/main/install.sh | sh

支持 macOS（arm64/x86_64）和 Linux（x86_64/arm64），单文件二进制，无任何运行时依赖，二进制体积保持在 2 MB 以下。

Python Agent 集成示例

import requests
BASE = "http://localhost:8080"

# 获取可交互元素
snapshot = requests.get(f"{BASE}/snapshot?tab_id=ABC&filter=interactive").json()

# 批处理：一次完成 go→snap→click→snap→eval
requests.post(f"{BASE}/batch", json=[
    {"action": "goto", "url": "https://example.com"},
    {"action": "snapshot", "filter": "interactive"},
    {"action": "click", "ref": "e5"},
])

无需安装任何 SDK，纯 HTTP + JSON，任何语言都能集成。

---

局限与争议

1. Windows 暂不支持：需要通过 WSL2 运行
2. 非 Docker-First：没有 Dockerfile/docker-compose，对习惯容器化的团队需要额外适配
3. 强依赖 Chrome：本质上是 CDP 的 HTTP 包装，Chrome 本身就是依赖项
4. 仅支持 Chromium 内核：Safari WebKit、Firefox Gecko 不在支持范围内

---

行业意义

Kuri 的出现反映了 2025-2026 年 AI agent 领域的一个重要趋势：工具层开始按 agent 的思维模式重新设计。传统工具考虑的是「人类怎么操作」，Kuri 考虑的是「AI agent 需要什么信息才能做决策」——这是本质差异。token 效率不是一个优化项，而是设计的第一性原理。

随着 AI coding agent 越来越强，浏览器操作这一环的高效化将成为决定 agent 能否独立完成端到端任务的关键因素。Kuri 正在填补这个空白。

---

项目地址：https://github.com/justrach/kuri
当前版本：v0.4.3
许可协议：MIT
Star：336
主要语言：Zig
核心标签：ai-agents, browser-automation, chrome-cdp, zig, ios, android