Browser Harness：让大型语言模型自由执行浏览器任务的开源框架

在 Hacker News 上，作者发布了 Browser Harness，一个基于 Chrome DevTools Protocol（CDP）和 WebSocket 的开源库，旨在打破传统浏览器自动化框架对大型语言模型（LLM）的限制，使 LLM 能够按照自身训练知识自行完成任意浏览器操作。项目核心包括：

• 后台守护进程：维持 CDP 与 WebSocket 连接的常驻服务；
• 基础工具库（helpers.py）：提供元素提取、点击、目标管理、错误处理、文件下载、弹窗及跨域 iframe 交互等常用功能；
• skill.md：以可读的 Markdown 形式描述可供 LLM 调用的“技能”，并可随需求动态更新对应的 Python 辅助函数。

为解决 Chrome 原生文件弹窗等边缘情况导致的 LLM 卡死，作者提供了两种方案：手写专用代码或让 LLM 直接使用已实现的工具。实验表明，现代 LLM 已能较好理解 CDP，能够自行调用 raw DOM.setFileInputFiles 完成文件上传，展示了模型的自我修正与工具使用能力。

相较于 Playwright MCP、Browser Use CLI、Agent‑Browser、Chrome DevTools MCP 等方案，Browser Harness 通过明确的技能描述让 LLM 更精准地判断操作是否成功，避免“点击无效” 的沉默失败。项目已在 GitHub（https://github.com/browser-use/browser-harness）公开，提供完整代码、使用手册以及示例，包括：

• 让 LLM 运行 Stockfish 国际象棋引擎；
• 在 Tetris 中打破纪录；
• 用 JavaScript 绘制爱心图案。

作者将这种仅依赖 skill.md 与可热更新的 Python 辅助函数的开发模式称为“LLM 的扩展语言”或“浏览器任务的定制化框架”。