项目详情
ego lite
为 AI Agent 打造的最快浏览器，你与 Agent 在同一个浏览器里并行干活
GitHub 地址
MIT（runtime + skill）
TypeScript
Node 22+
macOS
更新于 2026-07-25 · Citro Labs 出品
← 返回汇总
项目速览
一句话定位
人与 AI Agent 共享的浏览器，登录态无缝继承、互不打扰
不是浏览器自动化框架，也不是内置 Agent 的 AI 浏览器——而是从零设计的「一个浏览器」，让人和任意 Agent（Claude Code/Codex/Cursor）在各自隔离的 Space 里并行工作。Agent 直接复用你的 Chrome 登录态、Cookie、扩展，零配置无登录摩擦。开源 Node.js helper runtime + skill，浏览器本体闭源免费。适合想让 Agent 替你跑网页自动化、又不想交出账号密码的开发者。
项目速览
核心数据
数据截至 2026-07-25。benchmark 为官方在 4 个复杂网页自动化任务上对比 Vercel agent-browser 的结果。
为什么存在
现有方案的两类死结
自动化框架（Browser-Use / agent-browser）
只是 Agent 调用的库，自己不带浏览器，得另找一个来驱动。登录态很难干净迁移，你和 Agent 抢同一个标签页。
AI 浏览器（ChatGPT Atlas / Perplexity Comet）
自带内置 Agent，只有那个 Agent 能开。你没法用自己顺手的 Claude Code / Codex 来驱动。
ego lite 的回答：一个浏览器，从一开始就为你和你带来的任何 Agent 共享而设计。
核心理念
Code-base，而非 CLI-base
让 Agent 写代码，而不是反复调命令
能力封装成 Agent 直接调用的 JavaScript 函数。Agent 干它最擅长的——写代码，把多步任务编排成单次输出，而不是陷入「调两个命令→看结果→再调两个命令」的循环。对比传统 CLI 方式，复杂工作流快 2.5×、成功率更高、工具调用次数大幅减少。
核心机制
Space 隔离 + 登录态继承
每个 Agent 一个 Space
- 完全隔离：每个 Agent 独立 Space，互不碰撞、不偷你的标签页
- 并行多任务：Claude Code 在 10 个 Space 富集线索，Codex 在另 5 个抓竞品
- 随时接管：能看到哪个 Space 在跑 Agent，可一键接管或停止
- 鼠标归你：你的鼠标停在哪，就在哪
Chrome 数据一键迁移
- 登录态继承：首次启动问一句——是否迁移 Chrome 数据
- 全量带走：登录、Cookie、扩展、书签一并继承
- 零登录摩擦：Agent 直接用你的真实登录态访问站点
- 本地存储：浏览数据留在设备上，只记录是否迁移
架构
三层协作模型
Agent CLI
→
ego-browser skill
→
Node.js runtime
→
CDP
→
ego lite 浏览器
Layer 1 · 连接层
ego-browser skill
任意 Agent CLI（Claude Code/Codex/Cursor/自定义）的连接层。把浏览器暴露为一组页内 JS 工具：snapshot / fill / click / wait / navigate / capture。
Layer 2 · 运行时
Node.js helper runtime
Agent 写一段调用工具的 JS 片段，ego-browser 一次性在页面执行。开源部分。直连 CDP，无 Puppeteer/Playwright 中间层。
Layer 3 · 浏览器
ego lite app
Chromium 内核 + kernel 级定制，提供 globalThis.ego 绑定。闭源免费。内核级定制产出市场最强页面 Snapshot。
技术亮点
三个工程差异化
- 内核级 Snapshot：得益于 kernel-level 定制，产出市场上质量最高的页面快照——文本模型赖以「看见」并操作网页的视图。能稳定处理深层嵌套 iframe 这类其他方案 consistently 翻车的难点
- CDP 直连：Chrome DevTools Protocol 直接通信，无 Puppeteer/Playwright 中间层。运行时依赖只有
acorn 一个轻量解析库
- Site Learnings 经验积累：每个站点的成功操作被蒸馏成可复用工具与工作流（
learnings/<site>/）。同类任务后续跑得更快，官方称最多 5×（coming soon）
竞品对比
ego lite vs 主流方案
| 能力 | ego lite | Browser-Use | agent-browser | Atlas/Comet |
|---|
| 并行多任务 | ✓ | — | — | — |
| 可复用 Skills | ✓ | — | — | — |
| 继承 Chrome 数据 | ✓ | — | — | ✓ |
| 同浏览器独立工作区 | ✓ | — | — | — |
| 外部 Agent 可驱动 | ✓ | ✓ | ✓ | — |
| 数据本地存储 | ✓ | ✓ | ✓ | — |
| 免费 | ✓ | ✓ | ✓ | — |
唯一同时打满「并行 + 可复用 + 继承登录 + 独立工作区 + 外部 Agent 可驱动 + 本地 + 免费」的方案。
快速上手
三种安装姿势
# 方式 1：下载 macOS app（自带 ego-browser skill 注入）
官网下载 .dmg → 拖进 /Applications → 首次启动选「迁移 Chrome 数据」
# 方式 2：只装 skill（首次跑任务时引导装 app）
npx skills add citrolabs/ego-lite
# 方式 3：让 Agent 自己装
把这段贴进 Agent CLI：
Set up ego lite for me: https://github.com/citrolabs/ego-lite
Read `skills/ego-browser/references/install.md` and follow the steps.
# 跑第一个任务 —— 在 Agent CLI 里
ego-browser follow @ego_agent on x.com for me
# Agent 拿起 skill → 在独立 Space 开页 → 读 Snapshot → 操作 → 回报
# 你的标签页全程不受打扰
技术栈
极简依赖、原生 CDP
- TypeScript + Node 22+：ESM only，
tsc --noEmit 仅类型检查
- esbuild + rollup：单文件 bundle 输出
artifacts/ego-browser/index.js
- CDP 直连：无 Puppeteer/Playwright，Agent 脚本注入作用域而非 import
- acorn：唯一运行时依赖，运行时解析 bundle 的 JSDoc 驱动
help()
- node --test：内置测试框架 +
node:assert/strict，行为驱动 + FakeEgo double
- lefthook + CI：git hooks 自动化，GitHub Actions 跑 test + release
- .claude-plugin / .codex-plugin：双插件市场清单，一键接入两大 Agent 生态
工程哲学
四条设计原则
- Helpers 注入而非 import：Agent 脚本不写 import，所有 helper 注入到脚本作用域——降低 Agent 心智负担
- 共享 state 单例：用
state.ts 单例管理连接状态，禁止把 connection/send 穿透传参
- camelCase + 动词前置：公开 helper 一律 camelCase，异步动作动词开头（
ensureSession / runSiteTool），不提供 snake_case 别名
- Site Learning 是地图不是日记：捕获站点的「形状」而非你的任务，只用稳定 URL + 稳定选择器，禁用像素坐标、密钥、任务叙述
适用场景
适合谁用
- Agent 重度用户：日常用 Claude Code/Codex/Cursor，想让 Agent 替你跑网页自动化（填表、抓数据、发消息）
- 批量网页任务者：10 个线索并行富集、5 个竞品站并行抓取——Space 并行优势最大化
- 登录态痛点受害者：受够自动化框架登录态迁移不稳、频繁掉登录的人
- 隐私敏感者：要求浏览数据本地存储、不交账号密码给第三方平台
- Site 自动化构建者：想为自己的站点沉淀可复用 Learning Pack 的开发者
风险提示
需要权衡
- 平台单一：仅 macOS，Windows/Linux 在 roadmap，受众暂时受限
- 浏览器闭源：开源的只是 helper runtime + skill，浏览器本体（含 kernel 定制、Snapshot 引擎）闭源——核心壁垒不透明，社区难触及
- 厂商 benchmark：2.5× 速度、最强 Snapshot 均为官方自测，缺乏第三方独立验证
- 登录态风险：Agent 直接复用真实登录态操作站点，存在被风控/封号风险，敏感账号需谨慎
- 早期项目：237 commits、3.8k Stars，Site Learnings 经验积累机制标注 coming soon，生态尚未铺开
潜力评估
未来空间
精准切入「Agent 浏览器自动化」赛道的空白位——既非纯框架、也非封闭 AI 浏览器。Code-base 范式 + Space 并行 + 登录态继承的组合，如果 Site Learnings 生态铺开、跨平台落地，有机会成为 Agent 网页操作的事实标准层。天花板取决于闭源浏览器的持续迭代速度与社区 Learning Pack 的贡献规模。