OpenCLI：让 AI Agent 直接操控浏览器的新范式

📅 主题：OpenCLI 开源项目深度解析 — 网站、Electron 应用、本地工具一键变 CLI

一、什么是 OpenCLI

OpenCLI 是一个创新的命令行工具，可以将任何网站、Electron 应用或本地 CLI 工具变成可编程的命令行接口。

一句话理解： OpenCLI = 浏览器自动化 + AI Agent 控制层 + CLI Hub 集成中心。

它解决了 AI Agent 操作网页的核心痛点：让 Claude、Cursor 等 AI 能够直接操控浏览器，执行点击、输入、提取数据等操作，并将这些交互固化成可复用的 CLI 命令。

二、核心亮点

2.1 浏览器会话复用

OpenCLI 的最大创新在于复用 Chrome/Chromium 的登录状态：

传统方案：AI Agent → 模拟浏览器 → 重新登录 → 获取数据
OpenCLI：AI Agent → 连接已登录的浏览器 → 直接获取数据

这意味着：

你的账号密码永远不会离开浏览器
不需要管理复杂的登录逻辑
可以直接使用已经登录好的网站

2.2 反检测内置

针对网站的反爬虫机制，OpenCLI 在多层做了对抗措施：

检测点	OpenCLI 对抗方案
`navigator.webdriver`	Patch 为 undefined
`window.chrome`	伪造 Chrome 对象
ChromeDriver 特征	清除全局变量
CDP frames	清除 Error stack trace
插件列表	伪造常见插件

2.3 CLI Hub 集成

OpenCLI 可以作为所有命令行工具的统一入口：

bash

# 自动发现并调用外部 CLI
opencli gh pr list --limit 5      # GitHub CLI
opencli docker ps                 # Docker
opencli obsidian search query="AI" # Obsidian

# 如果工具未安装，自动执行 brew install

通过 opencli register mycli 可以注册任意本地 CLI，让 AI Agent 自动发现。

2.4 Electron 应用 CLI 化

这是一个突破性功能：把 Electron 桌面应用变成 CLI 工具。

目前支持的应用：

应用	功能
Cursor IDE	控制 Composer、聊天、代码提取
ChatGPT macOS	自动化桌面版 ChatGPT
Notion	搜索、读取、写入页面
Discord	消息、频道、服务器管理
Antigravity	控制 AI 应用本身

这意味着 AI 可以控制其他 AI 应用，形成递归式的自动化能力。

三、技术架构

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│   AI Agent      │────→│   OpenCLI       │────→│   Browser       │
│  (Claude/Cursor)│     │   Daemon        │     │   (Chrome/CDP)  │
└─────────────────┘     └─────────────────┘     └─────────────────┘
                              │
                              ↓
                        ┌─────────────────┐
                        │ Browser Bridge  │
                        │   Extension     │
                        └─────────────────┘

3.1 Browser Bridge 扩展

这是一个轻量级的 Chrome 扩展 + 微守护进程：

零配置，自动启动
与 OpenCLI daemon 保持连接
负责接收和执行浏览器操作指令

3.2 通信协议

基于 Chrome DevTools Protocol (CDP)：

页面导航、点击、输入
DOM 元素查询、数据提取
网络请求拦截

3.3 动态加载器

只需将 .ts 或 .yaml 适配器放入 clis/ 目录即可自动注册：

yaml

# 示例：最简 YAML 适配器
site: example
commands:
  hot:
    url: https://example.com/hot
    selector: .hot-list
    schema:
      title: .title
      url: .link

四、内置命令覆盖

OpenCLI 内置了 79+ 网站适配器，覆盖国内外主流平台：

4.1 国内平台

平台	命令示例
小红书	`search`, `note`, `comments`, `publish`
Bilibili	`hot`, `search`, `download`, `comments`
知乎	热榜、搜索、文章导出
贴吧	`hot`, `posts`, `search`
虎扑	`hot`, `search`, `detail`
闲鱼	`search`, `item`, `chat`
豆瓣	图片下载、电影信息

4.2 国际平台

平台	命令示例
Twitter/X	`trending`, `search`, `download`, `thread`
Reddit	`hot`, `frontpage`, `search`, `subreddit`
HackerNews	`top`, `new`, `best`
YouTube	视频信息、下载
Amazon	`bestsellers`, `search`, `product`
Spotify	`play`, `pause`, `search`, `queue`

4.3 AI 相关平台

平台	功能
Gemini	`new`, `ask`, `deep-research`
NotebookLM	笔记本管理、源文件操作
腾讯元宝	`new`, `ask`

五、快速上手

5.1 安装浏览器扩展

从 GitHub Releases 下载 opencli-extension.zip
解压后在 chrome://extensions 加载扩展
启用开发者模式

5.2 安装 OpenCLI

bash

# npm 安装
npm install -g @jackwener/opencli

# 安装 AI Skills
npx skills add jackwener/opencli

5.3 验证安装

bash

opencli doctor          # 检查扩展 + daemon 连接
opencli daemon status   # 查看守护进程状态

5.4 快速测试

bash

# 公开 API，无需浏览器
opencli hackernews top --limit 5

# 需要浏览器登录状态
opencli bilibili hot --limit 5
opencli xiaohongshu search "AI绘画"

六、AI Agent 集成

这是 OpenCLI 最强大的功能：为 AI Agent 提供直接的浏览器控制能力。

6.1 operate 命令族

bash

opencli operate open https://example.com
opencli operate click .submit-button
opencli operate type .search-box "关键词"
opencli operate get .result-list
opencli operate screenshot
opencli operate close

完整命令：open, state, click, type, select, keys, wait, get, screenshot, scroll, back, eval, network, init, verify, close

6.2 Skill 配置

将 opencli-operate skill 加载到 AI Agent：

bash

npx skills add jackwener/opencli --skill opencli-operate

然后在 AGENT.md 或 .cursorrules 中配置：

markdown

## Available Tools
Run `opencli list` to discover all CLI commands.

这样 AI Agent 就能自动发现并调用所有可用工具。

七、开发新适配器

OpenCLI 提供了完整的开发工具链：

bash

# 探索网站 API
opencli explore https://example.com --site mysite

# 自动生成 YAML 适配器
opencli synthesize mysite

# 一键生成：探索 → 合成 → 注册
opencli generate https://example.com --goal "hot"

7.1 认证策略决策树

OpenCLI 内置了 5 层认证策略：

PUBLIC → COOKIE → HEADER → CDP → OPERATE

从最简单的公开 API，到需要浏览器操作的复杂场景，自动选择最优方案。

八、输出格式

所有命令支持多种输出格式：

bash

opencli bilibili hot -f json    # JSON 格式
opencli bilibili hot -f yaml    # YAML 格式
opencli bilibili hot -f csv     # CSV 格式
opencli bilibili hot -f md      # Markdown 格式
opencli bilibili hot -v         # 详细调试信息

九、退出码约定

遵循 Unix sysexits.h 规范，便于 CI 集成：

代码	含义	场景
0	成功	命令正常完成
66	空结果	无数据返回
69	服务不可用	Browser Bridge 未连接
75	临时失败	命令超时，可重试
77	需认证	未登录目标网站

十、插件生态

社区已贡献多个插件：

插件	功能
opencli-plugin-github-trending	GitHub Trending
opencli-plugin-hot-digest	多平台热点聚合
opencli-plugin-juejin	稀土掘金热门文章
opencli-plugin-vk	VK 社交平台

安装插件：

bash

opencli plugin install github:user/opencli-plugin-my-tool

十一、总结

OpenCLI 代表了一种新的 AI Agent 与 Web 交互范式：

安全性：复用已登录浏览器，凭证不外泄
确定性：CLI 输出结构化，可管道、可脚本化
零成本：运行时不消耗 LLM token
可扩展：YAML/TS 动态加载器，插件生态
AI Ready：内置 Skills，让 AI Agent 自动发现工具

对于 AI Agent 开发者，OpenCLI 提供了从浏览器探索到适配器生成的完整工具链，大幅降低了 Web 自动化的开发成本。

参考资料

💡 OpenCLI 正在快速发展，当前版本已支持 79+ 网站适配器和多个 Electron 桌面应用。欢迎贡献新的适配器和插件！

OpenCLI：让 AI Agent 直接操控浏览器的新范式 ​

一、什么是 OpenCLI ​

二、核心亮点 ​

2.1 浏览器会话复用 ​

2.2 反检测内置 ​

2.3 CLI Hub 集成 ​

2.4 Electron 应用 CLI 化 ​

三、技术架构 ​

3.1 Browser Bridge 扩展 ​

3.2 通信协议 ​

3.3 动态加载器 ​

四、内置命令覆盖 ​

4.1 国内平台 ​

4.2 国际平台 ​

4.3 AI 相关平台 ​

五、快速上手 ​

5.1 安装浏览器扩展 ​

5.2 安装 OpenCLI ​

5.3 验证安装 ​

5.4 快速测试 ​

六、AI Agent 集成 ​

6.1 operate 命令族 ​

6.2 Skill 配置 ​

七、开发新适配器 ​

7.1 认证策略决策树 ​

八、输出格式 ​

九、退出码约定 ​

十、插件生态 ​

十一、总结 ​

参考资料 ​

OpenCLI：让 AI Agent 直接操控浏览器的新范式

一、什么是 OpenCLI

二、核心亮点

2.1 浏览器会话复用

2.2 反检测内置

2.3 CLI Hub 集成

2.4 Electron 应用 CLI 化

三、技术架构

3.1 Browser Bridge 扩展

3.2 通信协议

3.3 动态加载器

四、内置命令覆盖

4.1 国内平台

4.2 国际平台

4.3 AI 相关平台

五、快速上手

5.1 安装浏览器扩展

5.2 安装 OpenCLI

5.3 验证安装

5.4 快速测试

六、AI Agent 集成

6.1 operate 命令族

6.2 Skill 配置

七、开发新适配器

7.1 认证策略决策树

八、输出格式

九、退出码约定

十、插件生态

十一、总结

参考资料