用语音操控浏览器：开源项目 Browser Agent 发布，让 AI 整理你的 99+ 标签页

针对“标签页开启过多导致浏览器崩溃”这一普遍痛点，开发者近日在 V2EX 和 GitHub 上发布了一款名为“Browser Agent”的开源浏览器扩展。该工具将大语言模型能力直接集成至浏览器侧边栏，允许用户通过自然语言指令（文字或语音）自动管理浏览器状态。市面上现有的 AI 浏览器方案往往需要启动独立环境或依赖复杂的 CDP 协议转发，而 Browser Agent 选择了更轻量化的路径：作为独立扩展运行，无需后端服务，用户数据与 API Key 仅存储于本地，兼顾了隐私与便捷。在功能层面，该 Agent 内置了 47 个以上的工具函数，实现了对标签页、窗口、书签、历史记录、Cookie 及下载项的精细化控制。用户不仅能用口语化指令（如“把未读标签页存到书签并关闭”）完成繁琐的手工整理，还能基于页面内容的语义理解进行历史记录检索，其效率远超 Chrome 原生的历史浏览界面。目前，该项目已支持 OpenAI、Anthropic、Google、Cohere 及各类本地兼容 API，并在涉及敏感操作（如删除数据）时引入了二次确认机制以保障安全。

事件分析

💡 核心观点：纯端侧 AI 智能体开始接管浏览器入口，标志着人机交互从“点选菜单”正式迈向“意图驱动”的新阶段。