AI 瀏覽器基礎設施公司 Browserbase 正式推出 browse.sh，一個專門給 AI 代理（agent）使用的瀏覽器命令列工具（CLI），並附帶超過 500 個預寫好的「網路操作技能」。 （前情提要：Claude Code 終極速查表：快捷鍵、Slash 指令、技能、Agents 代理、MCP 完整操作密技） （背景補充：Y Combinator 創業指南解讀：AI Agent 在未來有哪些發展趨勢？）   5月份，一個名叫 browse.sh 的工具正式上線，它要解決的是如何讓 AI 代理（agent）如何更快速、正確的「上網做事」？ 以往的答案是：自己把整個網頁的 HTML 原始碼交給語言模型判斷要點擊哪裡、填什麼欄位。這個方式不只慢，還非常燒錢：一個稍微複雜的電商頁面，光 HTML 就可能有好幾萬個字元，全部餵給語言模型，token費用支出不小。 Browserbase 給的答案是：預先把每個網站的操作邏輯寫成一個「技能包 skill」，agent 只要呼叫技能，不用每次都讀整頁 HTML。browse.sh 就是這個想法的命令列入口，也是一個開放的技能目錄（open web skill catalog）。 browse.sh 是什麼？Browserbase 推出的 AI 代理瀏覽器命令列工具 browse.sh 的官方定義是「Browser CLI and open web skill catalog for agents」，翻成白話：一個給 AI 代理用的瀏覽器命令列工具，外加一個開放的網路操作技能商店。 這裡有兩個核心概念要先拆開說清楚： 什麼是 CLI（命令列介面）？就是你在終端機視窗裡打字執行的工具。npm、git、python 都是 CLI 工具。browse 也是，安裝後就能在終端機打 browse click “input#search” 讓瀏覽器點一個特定元素。 什麼是 headless browser（無頭瀏覽器）？一個不會實際在螢幕上開啟視窗的瀏覽器程式，但行為跟真實的 Chrome 完全一樣：可以執行 JavaScript、處理 Cookie、繞過基本的反機器人偵測。AI agent 透過它「看」網頁、填表單、點按鈕，用戶什麼都不用開。 什麼是 skill（技能）？一個預先寫好的操作指令碼，告訴 agent「這個網站的搜尋欄在哪、下單按鈕是什麼 id、API 回傳的 JSON 格式長什麼樣」。比起讓 agent 每次都自己摸索，skill 讓整個流程又快又省 token。 browse.sh 的底層是 Browserbase 自家開源的 Stagehand：Browserbase 自己寫的「讓 AI 操作瀏覽器」的開源工具包，可以把它想成 Playwright 加上 AI 語意理解層。browse.sh 是把 Stagehand 的功能包裝成更好用的命令列工具，並在上面加了 500 多個現成技能。 整個生態的入口有三個： https://browse.sh/：官方網站與技能目錄瀏覽入口 https://browse.sh/llms.txt：給 AI agent 讀的精簡技能索引（體積小，適合直接餵給語言模型） https://browse.sh/llms-full.txt：完整的 SKILL.md 說明，包含每個技能的 DOM 選擇器與使用方式 這個設計本身就很有意思：browse.sh 知道它的用戶不是人，而是 AI，所以索引格式從一開始就是為語言模型設計的。 browse CLI 怎麼用？基礎指令與雲端切換 安裝只需一行： $ npm install -g browse 裝好之後，基礎操作指令涵蓋了一個瀏覽器 session 的完整生命週期： $ browse click “input#search” $ browse type “Apartments in SF” $ browse press “Enter” $ browse screenshot $ browse network –tail $ browse console –tail 這裡的 DOM 選擇器（DOM selector）是什麼？DOM 是網頁的結構樹，每個按鈕、輸入框、連結都是樹上的一個節點。DOM 選擇器就是告訴瀏覽器「要操作哪個節點」的精確地址，例如 input#search 意思是「id 叫 search 的輸入框」，button.submit-btn 意思是「class 叫 submit-btn 的按鈕」。 browse screenshot 讓 agent 在操作過程中隨時截圖確認畫面狀態；browse network –tail 則會即時列印出瀏覽器發出的所有 HTTP 請求：這對除錯非常有用，也讓開發者能直接看到網站呼叫的後端 API 端點，方便之後寫成 api 型別的 skill。 安裝技能只需要一行，之後 agent 就能直接用該網站的預寫好操作邏輯： $ browse skills add airbnb.com 官方給的完整場景範例示範了這個工具的能力上限，讓 Claude 規劃一趟猶他州公路旅行，包含充電站、露營地，最後還自動到 Ramp 申請報帳： $ browse skills add alltrails.com $ browse skills add recreation.gov $ browse skills add weather.gov $ browse skills add plugshare.com $ browse skills add ramp.com $ claude “Plan a road trip to Utah with EV charging stops and campsites for each night. Book and reimburse on Ramp.” 本地模式 vs 雲端模式是一個很實用的設計：預設情況…