Octop Browser

项目简介

Octop Browser 是一款轻量级浏览器使用工具，旨在让智能体操作浏览器时更加精准可靠。它启动真实的 Chromium，并直接通过 Chrome DevTools Protocol（CDP）通信，而不是将每个操作都经过 Playwright 转发，从而移除中间层，使元素定位基于稳定、实时的 DOM 引用。其设计目标是让智能体能够自信地操作浏览器：准确点击、低 token 成本、登录状态持久，并通过一组小型、规整的工具和对应的 CLI 来实现。

核心功能

• 直连 CDP，无需 Playwright 或中间层；基于 ref 的稳定元素定位，可经受布局重排和重新渲染；多层级 DOM 构建器，保持提示词精简；基于配置文件的登录状态持久化，跨会话保持登录；无状态的 browser_tool 提供约 20 个操作，并对应完整的 CLI；支持记录与回放工作流，可转为技能引导的智能体执行，同时提供 MCP 服务器，供任何支持 MCP 的智能体使用。

适用场景

• 可用于让 AI 智能体在真实网页上导航、点击、输入、填写和提取数据；自动化表单填写、截图、标签页管理和历史导航等浏览器工作流；记录真实浏览会话并作为技能引导的智能体执行进行回放；通过内置 MCP 服务器将浏览器工具开放给任何支持 MCP 的智能体。

快速开始

• 需要 Python 3.11 或更高版本，运行 pip install octop-browser，然后执行 octop-browser install-browser 获取 Chromium 二进制文件。可作为库使用，例如 BrowserSession.create(profile="default")，或使用无状态的 browser_tool(action="navigate", url=..., profile="work")。也可作为 CLI 使用，例如 octop-browser --help、octop-browser navigate

部署与要求

• 需要 Python 3.11+，已在 3.11 和 3.12 上验证；基于它构建的上层应用（例如 Octop）可能需要更新的 Python，请遵循其自身文档。需要 Chromium 或 Chrome 二进制文件，install-browser 会自动下载。可选环境配置包括 BROWSER_USE_MODE、BROWSER_USE_CDP_WS_URL 和 BROWSER_USE_PROFILES_DIR。对于远程或 Docker 中的 Chrome，可设置 BROWSER_USE_CDP_WS_URL 直接连接到现有的 DevTools

采用前须知

• 许可证：MIT。在使用、修改或分发项目前，请确认其具体条款。