BrowserAct 的定位很明确：给 agent 用的浏览器，而不是给人写的脚本。开始安装前，先确认下面几件事。

1. 一个能执行 shell 命令的 agent——README 列出兼容 Claude Code、Cursor、VS Code、OpenCode、OpenClaw、Codex、Gemini CLI，只要是能跑命令、能加载 Skill 的 agent 都可以。
2. 操作系统——支持 Windows、macOS、Linux 三大平台。
3. 想清模式——是要本地浏览器控制、复用本地 Chrome 登录态，还是用云端托管？两者差别很大，下一节展开。
4. 账号预期——只用最基础的浏览器自动化无需注册；用到 stealth 相关能力需要一个已登录账号。

README 开篇就把话说清：提供两种模式——完全云端托管执行，或由你自己的 agent 工作流驱动的本地浏览器控制。选错模式，后面全白搭。两种模式背后其实是同一套定位：让 AI agent 和团队做真实浏览器自动化、网页数据抽取、基于账号的工作流，帮 agent 突破反爬墙、卡住时跨平台移交人工、并行多任务不互相污染、多账号在相互独立的浏览器里隔离。

① 云端托管执行。官方描述为「无需配置 agent，运营成本更低」：你描述网站、筛选条件和要抓的字段，它在真实云浏览器里构建并测试一个可复用的抓取 Bot，然后从云端运行，口号是 Build once. Run reliably. Improve continuously.

② 本地用 Skills。当你需要本地浏览器控制、复用本地 Chrome 登录态，或把它集成进自己的 agent 工作流时用这一档。agent 加载 BrowserAct Skill 后，用 get-skills 发现浏览器状态，直接从本地环境执行浏览器自动化命令。

* 云端服务的具体价格 README 未披露；本地 Skills 的免费与付费边界见「What’s Free」一节。

官方给出的安装方式很「agent 化」：不是让你手动敲一串命令，而是把一句话发给你的 AI agent，让它自己完成安装与校验。

Install browser-act. Skill source: https://github.com/browser-act/skills/tree/main/browser-act . Verify it works after installation.

browser-act get-skills core --skill-version 2.0.2

README 的 Quick Start 给了两段示例：一段是零配置抽取受保护页面，一段是完整的浏览器自动化。命令与参数保持原样。值得注意的是它的交互范式——不像传统脚本那样选择器定位元素，而是先取回带索引的页面状态，再用序号点击或输入，这对 agent 推理更友好。

# Extract protected page content (zero config)
browser-act stealth-extract https://example.com

# Full browser automation
browser-act --session my-task browser open <id> https://example.com
browser-act --session my-task state          # See clickable elements
browser-act --session my-task click 3        # Click by index
browser-act --session my-task input 2 "hi"   # Type into a field

README 的「Why BrowserAct」提出了一个判断标准：给 agent 用的浏览器，必须能到达标准工具到不了的地方、在 agent 卡住时让人无缝接手、保持并行任务不互相污染，并且为 LLM 推理而设计——而不是给人写的脚本。它把这归纳为「必须做对四件事」。下面逐条如实展开。

第一件：突破封锁——三层递进。

1. 环境层——stealth 指纹伪装、TLS 轮换、代理切换。绝大多数封锁根本不会触发。
2. 执行层——solve-captcha 自动解验证码；stealth-extract 一条命令抽取受保护页面。
3. 人工层——remote-assist 生成一个实时 URL，用户可从任意设备接手，完成后 agent 无缝继续。

第二件：三种浏览器模式。按真实场景划分。

第三件：零干扰并发。每个 agent 都在自己的赛道上。

• 跨浏览器并行——独立的 cookie、指纹、代理，站点无法把它们关联起来。
• 同浏览器多会话——共享登录态、独立执行，任务之间不互相阻塞。
• 隐私模式——每会话新指纹与空 profile，用完零残留。

第四件：为 agent 推理而设计，而非人写的脚本。

README 还提到几项相关能力，以及兼容生态。

• Skill Forge · 你的个人抓取工程师——对同一网站要反复大规模取数时，它把站点探索一次、发现其 API 与数据模式，生成一个可直接部署的 Skill 包，之后无需重复探索即可稳定跑 500 或 5,000 条。
• Solutions Catalog——30 多个已由 Skill Forge 生成的预制 Skill，开箱即用，覆盖 Amazon、Google Maps、YouTube、Reddit、WeChat、Zhihu 等。
• Build Your Own——找不到现成的？描述你要的数据或动作，几分钟生成任意网站的自定义 Skill，无需写代码。

安装 Skill Forge 同样是把一句话发给 agent：

Install browser-act-skill-forge. Skill source: https://github.com/browser-act/skills/tree/main/browser-act-skill-forge . Verify it works after installation.

兼容性方面，除上面列出的 Claude Code / Cursor / Codex / OpenClaw 等之外，官方表述是「任何能执行 shell 命令并加载 Skills 的 agent」都能用。另有两项顺带能力：更好的 headless（默认无头不打扰用户、stealth 无头不被检测）与跨平台远程移交（任意设备打开链接即可接手）。

装完之后，按这个顺序确认它真的在跑。

1. 跑自检——执行 browser-act get-skills core --skill-version 2.0.2，能看到环境状态、浏览器列表与命令即算加载成功。
2. 验零配置抽取——用 browser-act stealth-extract https://example.com 试一条，确认能取回内容。
3. 验会话式操作——开一个 --session，依次试 state、click、input，观察索引交互是否符合预期。