browser-act/skills

Kết luận: partial · Công nghệ: browser-automation · ai-agents · web-scraping · codex-cli · data-extraction

browser-act/skills là bộ CLI/browser automation skills cho AI agents, tập trung vào điều khiển trình duyệt, vượt anti-bot, chuyển giao cho người dùng khi kẹt, và chạy song song nhiều session/tài khoản độc lập. Với ~4357 stars và hệ topic xoay quanh codex, claude, cursor, đây là một tooling layer thực dụng cho các workflow agent cần web automation và data extraction.

📖 Giới thiệu chi tiết

🧩 Nó là gì?

browser-act/skills là bộ công cụ dòng lệnh browser-act giúp AI agents điều khiển trình duyệt như một người dùng thật: mở web, đọc nội dung, bấm nút, nhập dữ liệu, xử lý CAPTCHA và trích xuất dữ liệu. Nói đơn giản: đây là “trình duyệt dành cho AI”, tối ưu cho các tác vụ tự động trên web.

🎯 Giải quyết vấn đề gì? Dành cho ai?

Khi AI agent cần làm việc với website thật, nó thường gặp nhiều rào cản:

• Website chặn bot hoặc hiện CAPTCHA.
• Cần đăng nhập bằng tài khoản thật.
• Cần người dùng can thiệp khi AI bị kẹt.
• Cần chạy nhiều tác vụ song song mà không lẫn cookie, tài khoản, phiên đăng nhập.
• Cần lấy dữ liệu từ trang web khó đọc bằng HTML/JSON thông thường.

browser-act/skills sinh ra để xử lý các việc đó.

Dự án này phù hợp với:

• Người dùng Codex, Claude Code, Cursor, VS Code, OpenCode, OpenClaw, Gemini CLI.
• Developer muốn cho AI agent tự thao tác trên web.
• Người làm data extraction, scraping, kiểm thử workflow web.
• Nhóm cần tự động hóa nhiều tài khoản hoặc nhiều session trình duyệt độc lập.
• Người mới muốn dùng browser automation nhưng không muốn viết script phức tạp.

Một vài khái niệm nhỏ:

• AI agent: chương trình AI có thể tự chạy lệnh, đọc kết quả và quyết định bước tiếp theo.
• Browser automation: tự động điều khiển trình duyệt thay vì thao tác tay.
• Session: một phiên làm việc riêng, có trạng thái riêng như tab, cookie, tài khoản.
• Stealth: chế độ giảm khả năng bị website nhận ra là bot.

⚙️ Hoạt động ra sao?

Cơ chế chính của browser-act/skills gồm:

• Điều khiển trình duyệt bằng CLI

  • Bạn hoặc AI agent chạy lệnh browser-act.
  • Ví dụ: mở trang, xem trạng thái trang, click vào phần tử, nhập chữ vào ô input.

• Tương tác bằng chỉ số thay vì đọc DOM phức tạp

  • Lệnh state trả về danh sách các phần tử có đánh số.
  • Sau đó có thể dùng click 3 hoặc input 2 "hi".
  • Người mới không cần hiểu sâu về DOM, CSS selector hay HTML.

• Có nhiều chế độ trình duyệt

  • chrome: dùng Chrome cục bộ, có thể tận dụng trạng thái đăng nhập sẵn.
  • stealth privacy mode: mỗi phiên có dấu vân tay mới, profile sạch, phù hợp scraping không đăng nhập.
  • stealth fixed identity: giữ dấu vân tay và IP ổn định, phù hợp tài khoản đã đăng nhập.

• Vượt chặn theo nhiều lớp

  • Lớp môi trường: giả lập fingerprint, đổi TLS, đổi proxy.
  • Lớp thực thi: có lệnh như solve-captcha, stealth-extract.
  • Lớp con người: dùng remote-assist để tạo link cho người dùng vào xử lý thủ công, sau đó AI tiếp tục.

• Chạy song song an toàn

  • Nhiều browser/session có cookie, fingerprint, proxy riêng.
  • Các tác vụ không “dẫm chân” nhau.
  • Phù hợp khi nhiều agent hoặc nhiều tài khoản cùng hoạt động.

• Thiết kế cho AI agent

  • Kết quả trả về dạng text gọn, dễ đọc, tiết kiệm token hơn HTML/JSON dài.
  • Có desc để mô tả browser/session, giúp agent chọn đúng phiên theo ý nghĩa.
  • Có cơ chế quyền sở hữu session và đặt tên rõ ràng để tránh xung đột.

• Có xác nhận cho thao tác nhạy cảm

  • Một số thao tác như tạo/xóa browser, import profile, đổi proxy, thay đổi thiết lập bảo mật cần người dùng xác nhận.
  • Việc này giúp tránh agent tự ý làm điều rủi ro.

🆚 Khi nào nên dùng / không nên

Nên dùng browser-act/skills khi:

• Bạn muốn AI agent thao tác trên website thật, không chỉ gọi API.
• Website có đăng nhập, CAPTCHA, anti-bot hoặc luồng thao tác nhiều bước.
• Bạn cần chạy nhiều tác vụ song song, nhiều tài khoản, nhiều session độc lập.
• Bạn muốn trích xuất nội dung từ trang được bảo vệ bằng lệnh đơn giản như stealth-extract.
• Bạn đang dùng các agent có thể chạy shell command và load Skills, như Codex, Claude Code, Cursor.

Không nên dùng khi:

• Website đã có API chính thức, ổn định, đủ dữ liệu bạn cần.
• Tác vụ chỉ là HTTP request đơn giản, không cần trình duyệt.
• Bạn cần kiểm soát cực chi tiết từng dòng script như khi tự viết Playwright/Puppeteer.
• Bạn không muốn dùng dịch vụ có một số tính năng yêu cầu đăng nhập hoặc trả phí.
• Quy định của website không cho phép tự động hóa hoặc scraping.

So sánh nhanh:

• Với API chính thức: API thường ổn định và sạch hơn, nên ưu tiên nếu có. browser-act/skills hữu ích khi không có API hoặc cần thao tác như người dùng thật.
• Với Playwright/Puppeteer: Playwright/Puppeteer mạnh cho developer viết script thủ công. browser-act/skills thân thiện hơn với AI agent vì dùng lệnh ngắn, output gọn, click/input theo chỉ số.
• Với scraper tự viết: scraper tự viết có thể tối ưu cao cho một website cụ thể. browser-act/skills tiện hơn khi cần xử lý nhiều website, nhiều session, anti-bot và chuyển giao cho người dùng.

🚀 Bắt đầu nhanh

Yêu cầu cơ bản:

• Máy chạy Windows, macOS hoặc Linux.
• Có một AI agent có thể chạy lệnh shell và load Skills, ví dụ Codex, Claude Code, Cursor, Gemini CLI.
• Cài skill từ repo browser-act/skills.

Cách cài đặt theo README:

Install browser-act. Skill source: https://github.com/browser-act/skills/tree/main/browser-act . Verify it works after installation.

Sau khi cài, kiểm tra agent có thể nhận biết skill và lệnh:

browser-act get-skills core --skill-version 2.0.2

Ví dụ tối thiểu: trích xuất nội dung từ một trang được bảo vệ:

browser-act stealth-extract https://example.com

Ví dụ điều khiển trình duyệt đầy đủ:

# Mở một trang trong session tên "my-task"
browser-act --session my-task browser open <id> https://example.com

# Xem trạng thái trang và danh sách phần tử có thể tương tác
browser-act --session my-task state

# Click vào phần tử số 3
browser-act --session my-task click 3

# Nhập chữ "hi" vào ô số 2
browser-act --session my-task input 2 "hi"

Luồng tư duy rất đơn giản:

1. Mở trang bằng browser open.
2. Gọi state để xem trên trang có gì.
3. Dùng click <số> để bấm.
4. Dùng input <số> "nội dung" để nhập.
5. Nếu kẹt CAPTCHA hoặc cần người thật xử lý, dùng cơ chế như solve-captcha hoặc remote-assist.

✅ Điểm mạnh & ⚠️ Hạn chế

Điểm mạnh:

• Dễ dùng cho AI agent vì mọi thứ đi qua CLI browser-act.
• Tương tác theo chỉ số như click 3, input 2 "hi", không cần tự phân tích DOM.
• Có chế độ stealth để giảm khả năng bị chặn bởi anti-bot.
• Hỗ trợ solve-captcha, stealth-extract, remote-assist.
• Có thể chạy nhiều session/browser song song mà ít bị lẫn trạng thái.
• Hỗ trợ nhiều nền tảng: Windows, macOS, Linux.
• Tích hợp tốt với nhiều agent như Claude Code, Cursor, VS Code, OpenCode, OpenClaw, Codex, Gemini CLI.
• Phù hợp cả tự động hóa thao tác web và trích xuất dữ liệu.

Hạn chế:

• Một số tính năng cần đăng nhập, ví dụ stealth browser, stealth-extract, solve-captcha, remote-assist.
• Một số tính năng trả phí: managed proxies và stealth browsers vượt quá 5.
• Không phải lúc nào cũng vượt được mọi hệ thống anti-bot; website vẫn có thể thay đổi cách chặn.
• Nếu website có API chính thức, dùng API thường đơn giản và bền hơn.
• Với workflow rất đặc thù, tự viết Playwright/Puppeteer có thể kiểm soát chi tiết hơn.
• Cần dùng đúng quy định của website và cẩn trọng với dữ liệu/tài khoản thật.