爱意满满的作品展示区。
xyooyx

Xtaff Browser 更新了,说几个我自己用得上的改动

  •  1
     
  •   xyooyx ·
    qiweiviewqiwiview · 3 days ago · 619 views

    上次在「分享创造」发过一篇,讲怎么让 Agent 直接操作日常用的 Chrome(插件 + MCP 那套)。帖子发完又零零碎碎改了好几天,从 0.2 更到了 0.5,加的东西不少,简单说说我自己觉得比较实用的几个。

    最想说的是示教录制。以前想让 Agent 干某个网站的活,得自己把流程总结成步骤,或者一句句教它,挺费劲。现在在扩展里点「开始录制」,我正常操作一遍,停下来之后它会把我刚才的操作整理成一份站点 Playbook 草稿,我到管理面板里改两下发布,之后本机所有 Agent 都能搜到这套流程直接用。录的时候工具栏会亮个红色 REC,页面底部有提示条。限制也说一下:只在 http/https 页面能录,最多 20 步;输入框里打的字、敏感字段、iframe 里的操作都不记,敏感字段只标一下不存值;草稿得我自己确认发布了才生效。

    然后是多标签。以前一个标签在等加载,别的标签就得排队等它,现在不同标签可以同时跑,文件选择、对话框也分开处理。涉及标签组、授权、会话、Playbook 这种全局的还是得按顺序来。

    还有跨设备这块。MCP 现在支持 HTTP 模式,可以常驻跑着,再用内网穿透隧道让另一台机器上的 Agent 连过来操作这台机器的浏览器,--host 也能指定监听哪块网卡。远程 Agent 要传文件的话,可以走带 token 的暂存,文件内容不会进模型上下文。不过 HTTP 本身没加密,所以远程要走隧道、别把服务直接暴露到公网;暂存文件 15 分钟过期,单次不超过 10MB。

    举个我自己在用的场景:人在家里,用家里这台 Agent 去操作公司那台常开着的电脑上的浏览器。公司电脑上跑着 MCP 的 HTTP 服务(只监听本机回环),家里这台通过一条内网穿透隧道连过去,隧道只转发这一条链路,不用把浏览器或端口直接暴露到公网,也不用改公司网络。大概是这样:

    家里 / 在外                        公司那台电脑
    -----------                        ----------------------
    Agent(MCP 客户端)
          |
          |  内网穿透隧道(只转发这一条)
          v
                          MCP HTTP 服务(只监听 127.0.0.1)
                                  |
                          Xtaff Browser 扩展
                                  |
                          Chrome(已经登录好的内网 / 业务系统)
    

    这样 Agent 用的是公司电脑上已经登录好的内网和业务系统,登录态一直留在那台机器上,家里这边只发操作、不碰账号密码。

    一些用起来更顺的小改动:

    • 滑块、拖放这类现在可以拖了;
    • 站点等你授权、或者等你接管的时候,会弹系统通知、工具栏亮个 ! 角标,点通知能跳过去(为此加了 notifications 权限,通知里只有站点来源、标签号和原因);
    • 需要你授权 / 接管 / 停止时,Agent 会说清楚下一步该干嘛;点到提交、支付、删除这种,页面会给个提示(不一定准,也不会拦着操作);
    • 截图里的密码框遮罩,面板里可以开关(默认开着),单次截图也能临时指定,方便没屏幕的环境;验证码、银行卡字段还是会遮;
    • 弹窗按状态收了一下,不再堆一堆信息;管理面板分成了 Playbook、会话、授权与隐私、关于四块。顺手把「全授权」收紧了点:只能在面板里开,还要先确认风险,弹窗里只能关。

    安全上还是老样子:只动「Xtaff」标签组里的页面,默认每个站都要你点头;密码、OTP、CVV 这种采集前就脱敏了,截图默认打码,有一帧遮不住就整张不截;全程本地,不接我的服务端,也没有中间服务器中转。不过说清楚一点,接收这些页面数据的 Agent 可能会按它自己的配置发给对应的模型服务,这个不在我这。

    装的话,Chrome 商店直接搜 Xtaff Browser,或者走这个地址: https://chromewebstore.google.com/detail/xtaff-browser/ojklapkgpijghmlifajbmldghnhmejfh

    Agent 这边的 MCP 在 npm 上,是 @xtaff/browser-mcp: https://www.npmjs.com/package/@xtaff/browser-mcp 用起来大概就是 npm i -g @xtaff/browser-mcp,再跑一下 xtaff-browser-host,然后在你的 MCP 客户端里配一下就行。

    还在继续改,有问题欢迎回帖,或者发邮件 [email protected]。

    Supplement 1  ·  2 days ago
    作者:刘启威,AI 转型顾问。企业 AI 落地的方法与产品笔记:https://liuqiwei.dev
    3 replies  •  2026-11-20 13:21:46 +08:00
    xyooyx
    xyooyx
    OP
    3 days ago
    1
    https://imgur.com/a/UDFP8FA
    安装浏览器插件,拷贝提示词给你的 agent
    xyooyx
    xyooyx
    OP
    1 day ago
    2
    0.6 忘了来说,补上。

    主要三件事:

    1)下载回传。Agent 能等受控标签的下载,拿到文件 ID 和 MCP 那台机器的本机路径,同一个 ID 还能拿去另一个网页上传,不用把文件内容塞进上下文。暂存 100MB、15 分钟;上传仍是 10MB。装了新扩展要重新确认一次 downloads 权限。

    2)读网络响应。页面数据如果是 XHR/fetch 拉下来的,Agent 直接读那份 JSON,不用我再导一遍。只收文本/JSON/XML/JS,解码后 1MB 以内;导航或授权一变,记录标识就失效。脱敏跟截图是同一套规则,认不出来的敏感值还是会漏。

    3)上传能投到拖放区和粘贴目标了。以前只认 <input type=file>,网盘拖放区、AI 工具的附件框现在也能投。代价是页面内合成事件(isTrusted=false),严格校验的站点可能不认。

    顺手几处:受控页面打开的登录弹窗,能在不挪窗口的情况下接管并选已有账户(FedCM 原生账户框还得我自己点);browser_key 支持 Return/Esc/Del/PgUp/PgDn/Insert/F1–F12 和 Space 这些别名,Shift+字母大写修好了;Windows 下 MCP 能自动发现宿主管道,不用每次查 PID 配环境变量(这条只过了单测,没在真 Windows 上端到端跑)。

    0.5.1–0.5.3 的三个小版本也塞在这段:HTTP 支持 --host 指定网卡;弹窗按状态折叠、不再堆信息;管理面板拆成 Playbook|会话|授权与隐私|关于;全授权只能在面板开且要二次确认,弹窗里只能关;密码遮罩关掉后能在弹窗一键收回。
    xyooyx
    xyooyx
    OP
    1 day ago
    3
    0.7 是这段时间最大的一次,也是这个帖子最该说的一次:几个 Agent 共用一个 Chrome,各占一个标签组。

    - 每个独立 MCP 进程第一次建或认领标签,拿到自己的组,标题 Xtaff·<连接标签>,颜色按创建顺序轮换。new_tab / claim_tab / tabs_context 只作用于自己那组。
    - 跨组的标签号、元素引用、batch、js、上传、下载、会话、接管、认领,都在扩展执行点被拒。
    - 弹窗底部多了「标签组」列表,逐个「停止」/「恢复」。停一组,那组的在途请求立刻收到需要人工处理的提示,别的组照跑;恢复不会重放被打断的请求。全局停止现在也会明确让 Agent「去扩展里恢复」,不再是一句笼统的控制已释放。
    - 多个 Agent 同时请求授权或接管时,弹窗逐条列,角标显示待办数,不再互相覆盖。

    边界得说清楚:profile 是共享的,登录态、站点授权、cookie 都是浏览器级全局,标签组不是隐私沙箱。同一个 MCP 进程里的多个会话仍是一组,要分开就各起一个进程。连接断开或扩展后台重启后,旧的组会转成无主,得在新连接里显式认领,同名不会自动继承。

    另外:Playbook 查询和版本握手不再排队,慢页面不拖别的组;高负载下页面文本提取不再返回空;跨站跳转里自动接受的离开确认会作为一步上报;旧扩展连新 MCP 会直接说清该升级哪个。

    再补 0.7.1(同一天):MCP 侧在工具调用发现扩展没连上时,会先试着把 Chrome 拉起来,扩展没装就在 Chrome 里打开商店页等你装,然后返回人话,别再让 Agent 自己跑启动命令;扩展侧关掉窗口最后一个标签页前会先留一个空白页签,免得把 Chrome 关了、宿主一起断。

    装法没变:商店搜 Xtaff Browser 或 https://chromewebstore.google.com/detail/xtaff-browser/ojklapkgpijghmlifajbmldghnhmejfh ,MCP 是 npm i -g @xtaff/browser-mcp 再跑 xtaff-browser-host。
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   2007 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 27ms · UTC 06:22 · PVG 14:22 · LAX 22:22 · JFK 01:22
    ♥ Do have faith in what you're doing.