Nanobrowser 用自己的模型跑起来有多快：免费 AI 浏览器 Agent 实战指南

Nanobrowser 用自己的模型跑起来有多快：免费 AI 浏览器 Agent 实战指南

【免费下载链接】nanobrowserOpen-Source Chrome extension for AI-powered web automation. Run multi-agent workflows using your own LLM API key. Alternative to OpenAI Operator.项目地址: https://gitcode.com/GitHub_Trending/na/nanobrowser

Nanobrowser 是一个开源 Chrome 扩展：把一句任务交给 AI，它自己驱动浏览器点击、输入、检索，全程在你本地浏览器里完成。这篇文章按实际使用路径讲清楚怎么装起来、内部两个 Agent 如何分工、哪些配置项会直接影响成本和稳定性。

为什么值得把浏览器交给 AI

用 OpenAI Operator 这类商业 AI 浏览器代理的人，第一反应通常是矛盾的：确实好用，但确实贵，月费约 200 美元，而且登录态和浏览数据要经过第三方云。

Nanobrowser 的做法相反：Agent 不进云端，装进你自己的浏览器。扩展跑在 Chrome 或 Edge 里，模型走你自己的 API Key，页面内容和账号信息不出本机。成本上只按自己的 API 用量计费，没有订阅。

这种形态适合三类人：

• 想让 AI 自动处理重复网页任务（抓取、填表、跨页信息汇总），又不想写 Selenium 脚本的；
• 在意隐私、希望敏感数据只在本机流转的；
• 想自己挑模型，在效果和成本之间找平衡的。

两个 Agent 的分工

Nanobrowser 的核心是一个双 Agent 循环，源码都在 chrome-extension/src/background/agent/ 下，两个角色职责完全不同：

• Planner（规划者）：默认每隔 3 步介入一次，看当前进展，输出"现状、难点、下一步、是否完成"的结构化结论（字段定义见 planner.ts），走偏时负责纠偏。
• Navigator（执行者）：拿到页面 DOM 快照，输出一批结构化动作交给动作注册表执行——点击某个序号、输入文本、跳转 URL、切换标签页、滚动、缓存内容等，动作全集在 schemas.ts。

外层循环由 Executor 驱动：每一轮 = Planner 定期校对进度 + Navigator 执行一批动作。Planner 判定完成就输出最终答案收尾；步数达到上限（默认 100）还没完成则判失败。这个设计的好处是单点动作出错还有下一轮规划拉回来的机会，不会一步错步步错。

一个细节值得注意：Navigator 定位元素靠的是给可点击元素标注的序号。一批动作之间如果页面发生变化，框架会中止后续动作并把情况交回 Planner，而不是继续拿旧序号点错地方。

两个 Agent 还能配不同的模型——这是控制成本的关键，下一节展开。

最小接入：从 clone 到第一个任务

最省事的路径是直接装 Chrome Web Store 里的稳定版。要拿最新特性或者参与开发，就 clone 源码自己构建（需要 Node.js 22.12+、pnpm 9.15+）：

git clone https://gitcode.com/GitHub_Trending/na/nanobrowser cd nanobrowser pnpm install pnpm build

产物在dist目录：打开chrome://extensions/，开启开发者模式，"加载已解压的扩展"选中该目录即可。想边改边试，跑pnpm dev，工程自带 HMR 热更新。

装完必做的一步：进设置面板（侧栏右上角齿轮图标），填上你用的模型服务商的 API Key，并给每个 Agent 指定模型。内置服务商覆盖 OpenAI、Anthropic、DeepSeek、Gemini、Grok、Ollama、Groq、Cerebras、Llama、OpenRouter 以及各种 OpenAI 兼容服务，清单和默认参数见 types.ts。

然后在侧栏面板里直接说一句话就行，比如：

• "去 TechCrunch 抓取过去 24 小时的 10 条重要头条"
• "在 Amazon 上找 50 美元以下、防水、续航 10 小时以上的便携蓝牙音箱"

执行过程会在侧栏逐步展示每个 Agent 的实时状态，任务结束后还能就已完成任务追问上下文问题，历史会话也保存在本地。

值得了解的配置项

设置分块存放在 packages/storage/lib/settings/，挑最影响结果的三块说：

按 Agent 分派模型

每个 Agent（planner / navigator）可独立配置服务商和模型，temperature、topP 也有按服务商、按 Agent 的默认值（见 agentModels.ts）。README 给出的三档组合：

• 追效果：Planner 用大推理模型（如 Claude Sonnet 4），Navigator 用快的小模型（如 Claude Haiku 3.5）——规划者多思考、执行者多跑量，按角色分配最划算。
• 追成本：两个 Agent 都挂小模型（Haiku、GPT-4o-mini、Gemini 2.5 Flash 一类），开销降下来，但复杂任务的稳定性会变差，迭代轮数可能变多。
• 全本地：接 Ollama 跑本地模型（Qwen、Falcon、Mistral 等），API 成本归零。README 特别提醒：本地模型需要更具体、拆解清楚的任务描述，模糊指令容易跑偏。

循环上限与安全边界

generalSettings.ts 里几个默认值值得知道：maxSteps 100、maxActionsPerStep 5、maxFailures 3、planningInterval 3（规划频率）。如果任务明确是个短平快活，把 maxSteps 调低能避免失控任务白烧 API。

firewall 默认开启，支持白名单和黑名单：Agent 访问不在允许范围内的 URL 会直接抛出 URLNotAllowedError 被拦下。用在真实工作流时建议先用白名单圈定范围，这是最有价值的安全开关之一。

视觉模式与历史重放

默认 Navigator 只读 DOM 结构（useVision 关闭），图片多、动态内容重的页面可以打开；Planner 是否用视觉可单独配置。另一个开关是 replayHistoricalTasks：开启后每个 Agent 的步骤历史会存到本地，之后能重放一遍当时的操作序列，重放自带元素索引修正（页面变了会重新匹配元素）和单步最多 3 次重试，适合回归验证"跑通过一次"的流程。

选型与避坑

几个开工前要知道的事：

• 浏览器兼容：官方只支持 Chrome 和 Edge，Firefox、Safari 及其他 Chromium 变体（Opera、Arc 等）不在保证范围内。
• 弱模型别接复杂任务：低成本路线可用，但适合搜索、点击、提取这类路径明确的任务；多步决策类任务给小模型，Planner 容易反复绕圈。
• 失败容忍有边界：单步动作错误累计超过 3 次会中断该步，整任务超过步数上限判失败，这些规则都在 errors.ts 里能查到。
• 本地模型参数偏保守：Ollama 一类本地服务商的默认 temperature 更低，用小本地模型时建议对照 README 的推荐清单和社区实测结果调。

下一步建议：先用 Web Store 版跑通"查 GitHub trending 仓库"这类示例任务，熟悉 Planner / Navigator 的交互节奏后，再接一个本地 Ollama 模型把成本下限摸出来。完整功能清单可以看 README.md。

【免费下载链接】nanobrowserOpen-Source Chrome extension for AI-powered web automation. Run multi-agent workflows using your own LLM API key. Alternative to OpenAI Operator.项目地址: https://gitcode.com/GitHub_Trending/na/nanobrowser