BROWSER INFRASTRUCTURE · AGENT SYSTEMS

The browser is
an agent runtime.

关于 Chromium 内核、浏览器自动化与可靠 Agent 系统的工程笔记。从渲染进程到工具调用,从 CDP 到 MCP。

开始阅读Last revised · 2026.08
agent.runtime
01  const browser = await chromium.launch()
02  const tools = await mcp.connect(servers)
03  const trace = agent.run({
04    objective: "inspect and verify",
05    tools,
06    guardrails: policy
07  })
08  await trace.evaluate()
● browser● tools● trace

01 / BROWSER STACK

Chromium Engineering

理解浏览器,才能可靠地驱动浏览器。
ARCHITECTURE

多进程,不只是隔离

Browser、Renderer、GPU 与 Utility 进程如何协作;Site Isolation 怎样改变进程边界、资源成本与故障模型。

Chromium architecture ↗
PROTOCOL

CDP:浏览器的控制平面

用 Chrome DevTools Protocol 观察网络、DOM、性能与运行时。自动化的关键不是点击,而是可验证的状态变化。

CDP domains ↗
AUTOMATION

可重复的 Browser Tasks

稳定选择器、显式等待、上下文隔离、下载校验与失败截图,让一次演示变成可运营的自动化任务。

ChromeDriver docs ↗
PERFORMANCE

从 Trace 找到真实瓶颈

区分网络、主线程、布局与绘制成本。用 Performance 面板和 Web Vitals 建立能够回归的性能基线。

Performance guide ↗

02 / AGENT STACK

Agent Systems

模型只是推理核心,系统能力来自工具、状态与反馈。
REASONINGModelplan · decide · reflect
INTERFACEToolsbrowser · code · APIs
CONTEXTMCPresources · prompts
CONTROLEvalstrace · score · improve
TOOL USE

让动作可约束

为工具定义窄接口、明确输入与可观察输出。副作用、权限边界和失败恢复应属于系统设计,而不是提示词补丁。

MCP

统一上下文与能力

Model Context Protocol 用 client、server 与 host 分离模型应用和外部系统,让资源与工具能够组合和复用。

MCP architecture ↗
ORCHESTRATION

单 Agent 优先,多 Agent 有据

先用简单循环解决问题;只有当职责、上下文或权限确实需要隔离时,再引入 handoff 与专门 Agent。

Agents SDK ↗

03 / FIELD NOTES

Operational principles

  1. Observe before acting.先收集页面、进程与网络状态,再决定下一步动作。
  2. Make state explicit.不要依赖“看起来完成”;用断言、日志与产物证明完成。
  3. Keep a recovery path.修改前备份,部署前验证,失败时能够恢复到已知状态。
  4. Evaluate the whole loop.评估目标完成度、工具轨迹和错误恢复,而不只看模型的一次回答。