​

浏览器自动化

​

浏览器引擎

1. 无头 Chrome / Camoufox — 完整渲染，含反爬回退
2. DOM 解析器 — 结构化内容提取（自愈定位器、Shadow DOM）
3. 视觉 — 复杂 UI 的截图交互

​

12 层反检测隐身体系

• CDP 泄露修补 — Patchright 从协议层消除 Runtime.enable、Console.enable、--enable-automation 等检测向量
• 13 项 JS 隐身脚本 — navigator.webdriver 隐藏、window.chrome 伪造、插件/语言模拟、自动化工件清理、WeakMap toString() 伪装、反调试中和、Performance API 清理等
• 拟人化交互 — 随机打字延迟（30-100ms/字符）+ 随机点击延迟（50-150ms）+ 动态超时自适应
• 代理智能轮换与自愈 — 坏代理自动隔离、上下文热替换获取新 IP、跨引擎状态无缝迁移（Cookie + localStorage 在引擎切换时完整保留）

​

用户收益

​

页面理解 — 双路径 ARIA 快照

​

工作原理

​

Agent 看到什么

- heading "登录" [level=1]
- textbox "邮箱" [ref=1]
- textbox "密码" [ref=2]
- button "登录" [ref=3]
- link "忘记密码?" [ref=4]

​

内建韧性

• Shadow DOM 穿透 — 自动穿越 Web Components
• iframe 提取 — 跨域 iframe 内容纳入树中
• 范围过滤 — full、interactive 或 focused 视图控制 token 消耗
• 增量 diff — 仅展示快照间的变化

​

为何不做遮挡检测？

1. 每次快照增加 100-500ms（每个元素触发 reflow）
2. 可能误剪有效元素（下拉菜单、提示框）
3. Playwright 的 click() 已内建 actionability 检查，拒绝点击被遮挡元素
4. 点击失败时，自愈定位器以 O(1) 时间修复

​

能力

• 导航到 URL
• 点击元素、填写表单
• 提取文本与结构化数据
• 截图
• 处理认证流程
• 智能处理浏览器弹窗

​

弹窗策略（自动处理弹窗）

​

配置方式

​

工作原理

• 智能模式（默认）：Agent 不会被 Cookie 横幅或提示性弹窗卡住。
• 等待 Agent 模式：弹窗内容会出现在下一次浏览器快照中，AI 拥有完整上下文来决策。超时后自动安全回退。
• 弹窗历史始终对 Agent 可见——它知道处理了哪些弹窗以及如何处理的。

​

凭证库（登录而不泄露密码）

1. 添加标签（如 company-admin）、密码与可选 TOTP 种子。
2. 让 Agent 登录 — 仅引用标签。
3. Myrm 在浏览器 DOM 或桌面输入层注入凭证；值不出现在对话中。

​

视觉验证（自动 QA）

1. dHash 检测（~2ms）— 感知哈希快速判断页面是否变化。无变化则跳过 LLM 调用，节省 Token。
2. 像素级 Diff — Canvas API 对比 + YIQ 色彩空间 + 抗锯齿检测，精准定位变化区域。
3. Vision LLM 评分 — 多模态 AI 对结果打分 1-5 并给出理由，确认目标是否达成。

​

示例

​

隐私保护

​

搜索集成

• 事实查询
• 导航请求
• 研究任务
• 价格对比
• 新闻动态
• 图片搜索
• 本地搜索

​

Computer Use

​

8 层全链路可视化排障系统

​

你能看到什么

​

竞品对比

​

测试覆盖

​

Schema 驱动结构化提取

​

工作原理

1. Agent 调用 browser_extract，附带 extraction_schema 参数（JSON Schema 字符串）。
2. 工具提取页面文本，然后用 LLM 生成符合 Schema 的结构化输出。
3. 你得到干净、验证过的 JSON——而非数千 Token 的原始 HTML。

​

示例

{
  "type": "array",
  "items": {
    "type": "object",
    "properties": {
      "name": { "type": "string" },
      "price": { "type": "string" }
    },
    "required": ["name", "price"]
  }
}

​

核心特性

• 对象和数组 Schema — 提取单个对象或项目列表。
• 分页去重 — 传入 already_collected 避免跨页重复。
• 双策略可靠性 — 优先 structured_output，兼容性回退到原始 JSON 解析。
• Token 节省 — 相比原始文本提取减少 70–97%。
• Schema 复杂度保护 — 限制属性数量和嵌套深度，防止滥用。

​

临时会话隔离

​

加密 Session 库（跨会话保持登录）

​

工作原理

1. 配置域名 — 在 Agent 设置 WebUI 中，将 twitter.com、github.com 等域名添加到 Agent 的 auto_restore_domains 列表。
2. 加密存储 — Cookie 和存储数据通过 AES-256-GCM 加密保存在 Session Vault 中。
3. 启动时自动恢复 — 每次 Agent 启动新浏览器会话时，已配置域名的登录态自动恢复。
4. Agent 可显式管理 — Agent 也可通过 browser_manage(action="save_session") / restore_session / list_sessions / delete_session 进行精细控制。

​

架构亮点

• AES-256-GCM 加密 — Session 数据落盘加密，绝不以明文存储。
• O(1) LRU 内存缓存 — 热点 Session 直接从内存读取，无磁盘 I/O。
• Singleflight 去重 — 并发请求同一域名时合并为一次解密操作。
• TTL 自动过期 — 过期 Session 被自动垃圾回收。
• 全场景覆盖 — Web 对话、Channel 渠道、Cron 定时任务、Eval 评测均支持。

​

使用场景

​

Session–Memory Bridge（零成本会话感知）

• 工作原理： 每次保存或删除 session 时，SessionMemoryBridge 自动更新 Agent 的 active_browser_sessions Profile 属性。该属性通过 memory context middleware 注入到每轮 LLM 上下文中。
• 效果： 当用户说”帮我发推文”时，Agent 已知道 twitter.com 可用——直接调用 restore_session("twitter.com")，跳过 list_sessions 步骤，节省 1 次 LLM 推理。
• Prompt Cache 安全： Profile 属性仅在 save/delete 时变更（极低频），不影响缓存命中率。

​

CAPTCHA 检测 & 人类接管

​

自动 CAPTCHA 检测

1. Agent 通过 LangGraph interrupt() 暂停执行
2. VNC 面板自动打开，展示浏览器画面
3. 顶部显示暂停原因通知
4. 你手动完成验证码
5. Agent 自动恢复继续执行任务

​

Agent 主动请求人类接管

1. Agent 判断自己无法继续（如”需要短信验证码”）
2. 调用 browser_ask_human，附带清晰的说明
3. VNC 面板弹出，展示原因
4. 你直接在浏览器中完成操作
5. 点击”完成”——Agent 捕获新页面状态并继续

​

对比竞品

​

浏览器扩展桥接（Extension Bridge）

​

适用场景

​

工作原理

1. 安装 Myrm 扩展 — 一个轻量级 Chrome MV3 扩展，维持与 Myrm 服务器的 WebSocket 连接。
2. 授权域名 — 在设置 → 集成 → Extension Bridge 中添加允许 Agent 控制的域名（如 github.com、*.google.com）。支持通配符模式。
3. Agent 连接 — 当任务需要访问已授权域名时，Agent 通过 CDP（Chrome DevTools Protocol）代理连接到你的真实浏览器。

​

安全模型

• 域名级授权 — 仅显式授权的域名可被控制。Agent 无法访问授权列表外的任何标签页。
• Token 认证 — 扩展使用密钥令牌向服务器认证，防止未授权连接。
• Service Worker 保活 — MV3 扩展使用 chrome.alarms 实现持久连接和指数退避重连。
• 重连时域名同步 — 扩展重新连接时立即与服务器同步授权域名列表。

​

前端管理

• 一键复制 WebSocket URL — 根据当前部署模式自动生成正确的连接地址，带复制按钮和提示反馈
• Auth Token 状态 — 显示服务器是否已配置 EXTENSION_AUTH_TOKEN（不暴露 token 明文）
• 可复制扩展路径 — 显示 ~/.myrm/myrm-agent/myrm-agent-extension，一键复制用于 Chrome「加载已解压的扩展程序」
• 分步引导 — 扩展未连接时显示：加载扩展 → 复制 URL → 连接
• 实时连接状态 — 已连接/断开指示器，含扩展版本和浏览器名称
• 域名授权管理 — 添加、删除，支持通配符模式
• 可用标签页列表 — 按授权域名过滤，标记活跃标签

​

架构

1. Harness 协议层 (ExtensionBridge) — 在框架层定义契约
2. Server 服务层 (ExtensionBridgeService) — 管理 WebSocket 生命周期、心跳和 CDP 代理
3. API 路由层 — WebSocket + REST 端点，服务扩展和前端
4. Chrome 扩展 — MV3 Service Worker，具备 CDP 附加能力
5. 前端面板 — React 设置组件，用于状态和域名管理

​

Per-Agent 浏览器来源配置

​

可用模式

​

配置方式

1. 创建智能体时：设置 → 智能体 → 创建/编辑 → 浏览器来源
2. 聊天时覆盖：点击聊天窗口中的智能体配置图标 → 浏览器来源

​

池隔离

• 扩展来源的浏览器（非托管）绝不会分配给启动模式的智能体
• 启动来源的浏览器（托管）绝不会分配给扩展模式的智能体
• 防止不同信任级别的智能体之间的会话交叉污染

​

浏览器引擎零配置安装

​

工作原理

1. Agent 的任务需要使用浏览器
2. 检测到 Chromium 未安装
3. 后台自动下载并安装浏览器引擎
4. 安装完成后任务无缝继续

​

智能失败处理

• 冷却保护 — 安装失败后等待 30 分钟再重试，避免阻塞正常使用
• 并发安全 — 多个任务同时请求浏览器时自动串行化，避免冲突
• 诊断信息 — 准确显示失败原因（磁盘空间、网络、权限）及修复方法
• Doctor 自动修复 — 运行 myrm doctor 可一键诊断并修复浏览器问题

​

对比竞品