dsh-ego-browser：让 DeepSeek Harness Agent 浏览器操作看得见也控得住
dsh-ego-browser：让 DeepSeek Harness Agent 浏览器操作看得见也控得住
使用 DeepSeek Harness（DSH）开发和使用 AI Agent 时，你是否遇到过这个问题：Agent 在后台调用浏览器，你完全不知道它在做什么，卡住了也无法发现，更没法中途干预？今天给大家介绍一款国产开源插件 dsh-ego-browser，它给 DSH 带来了看得见、控得住的 Agent 浏览器操作能力。
什么是 dsh-ego-browser？
dsh-ego-browser 是 DeepSeek Harness 的插件，它把 CitroLabs/ego-lite（给 AI Agent 用的 Chromium）接入 DSH，提供了 32 个结构化工具来驱动浏览器，并且配套了一套实时观察前端界面——当 Agent 在后台操作网页时，你可以像看直播一样看到它正在浏览的每个页面，还能直接在观察窗里操作浏览器，遇到验证码或者错误可以随时接手。
项目地址：https://github.com/Fisfzy/dsh-ego-browser
最值得称赞的特点是：不仅能看，还能控。就算 Agent 在操作 DSH 自身的界面（管理会话、任务看板、调整设置），你也能全程看到，随时可以接手干预。
而且它开箱即用，插件包内置了 ego 运行时，不需要克隆官方仓库，也不需要手动构建，root、Docker、无显示器环境都能一键运行。
它解决了什么痛点？
通用浏览器不是为 AI Agent 设计的，而 Web 上很多场景（登录、验证码、动态渲染表单、真人会话站点）都需要真实浏览器才能处理。虽然 ego-lite 已经给 Agent 提供了浏览器能力，但最大的问题是：你看不见 Agent 在做什么，出了问题也插不上手。
dsh-ego-browser 解决了这个核心痛点：
🌐 小球一点看直播；🟦 标签条切换/关闭；🕘 历史抽屉回看；🔍 缩放拖拽；🖱️ 监控窗直接接管真实浏览器。一句话：让 agent 在浏览器里干活，你在旁边既看得见、又随时能接手。
常见应用场景：
- 文献 / 数据抓取：Agent 登录知网 / 谷歌学术翻页收集，你在观察窗看着它滚动、点下一页、下载 PDF，中途卡住立刻就能发现。
- 表单与登录：Agent 填表到一半，观察窗弹出验证码——你直接接管把验证码点了，再交还给 Agent 继续。
- QA / 冒烟测试：让 Agent 在产品上点一圈，观察窗等于一台"会说话的录屏"，还能回看历史轨迹。
- self-observation： Agent 操作 DSH 自身界面（管理会话、调设置）时，同样全程可见，随时可以接手。
和同类插件对比有什么优势？
目前市面上已经有同类插件把 ego-lite 接入 DSH，但对比下来，dsh-ego-browser 做的要深入很多：
| 能力 | dsh-ego-browser | 同类插件 |
|---|---|---|
| 结构化工具数 | 32 个，职责单一可精确调用 | 仅 3 个（run/help/status） |
| 实时观察窗 | ✅ 有（CDP JPEG / FFmpeg H.264 双后端 + 标签条 + 历史抽屉） | ❌ 无 |
| 监控窗直接操作浏览器 | ✅ 支持点击/拖拽/滚动回传 CDP | ❌ 不支持 |
| 崩溃自愈 + 单实例守卫 | ✅ 有 | ❌ 无 |
| 下载捕获 / 人机验证检测 | ✅ 支持 | ❌ 不支持 |
| 跨平台自适应（Linux/macOS/Windows） | ✅ 全平台自动探测 | 仅 Windows，需要手动配置 |
| 登录态落盘持久化 | ✅ 支持 | ⚠️ 仅文档说明 |
核心差异总结：
- 看得到：同类插件是黑盒后台执行，只有执行完告诉你结果；dsh-ego-browser 实时推流，你看着 Agent 操作，卡住立刻发现。
- 控得住：同类插件只读；dsh-ego-browser 允许你在监控窗直接操作同一个浏览器，需要时亲手接管，不需要打断 Agent 重来。
核心功能解析
1. 32 个结构化工具，覆盖浏览器操作全场景
dsh-ego-browser 提供了 32 个以 ego_ 为前缀的工具，分类清晰，职责单一：
| 类别 | 工具列表 |
|---|---|
| 任务空间 | ego_space_open ego_space_close ego_status |
| 页面读取 | ego_snapshot（语义树） ego_page_info ego_read_element |
| 导航/等待 | ego_navigate（复用 tab） ego_wait ego_wait_for_selector ego_wait_for_url ego_wait_for_response |
| 交互 | ego_click ego_fill ego_hover ego_drag ego_select ego_check ego_key ego_scroll |
| 执行/调试 | ego_js（页面求值） ego_cdp（原始 CDP） ego_cli（任意 heredoc） ego_script（多步脚本） |
| 输出 | ego_screenshot ego_download ego_upload |
| 会话/安全 | ego_auth_flush（登录落盘） ego_captcha ego_dialog |
| 元工具 | ego_help ego_doctor ego_http |
你可以在 Agent 工作流中灵活组合这些工具，完成复杂的浏览器自动化任务。
2. 实用的实时观察窗体验
观察窗有两种显示模式：
- 如果安装了
dsh-better-sidebar，观察窗会注册为侧边栏原生 Tab，首次调用自动打开，非常方便。 - 如果没有安装，会自动回退为右下角浮动小球，点击打开。
观察窗功能：
- 主画面：实时显示 Agent 当前页面，你可以直接点击、拖动、缩放、输入操作，支持快捷键。
- 标签页条：顶部切换标签，关闭不需要的页面。
- 历史抽屉：按时间回看访问轨迹。
3. 两种画面后端适配不同场景
- CDP 后端（默认）：通过
Page.startScreencast获取 JPEG 帧，默认 20 FPS，占用资源少，大多数场景够用。 - FFmpeg 后端：使用 H.264 编码，视频更流畅，适合复杂页面和长会话录制。插件会自动检测兼容的 FFmpeg，也提供一键下载功能。
4. 开箱即用，跨平台适配
- 自动探测 Chrome/Edge/Brave，root 用户自带
--no-sandboxwrapper，不需要额外配置。 - 支持 Linux/macOS/Windows 全平台，Docker 和无头模式也能正常工作。
- 内置 ego 运行时，不需要克隆官方仓库手动构建，安装就能用。
工程亮点：为什么说它做得很用心？
相对于 ego-lite 本体，dsh-ego-browser 额外做了很多工程优化：
完整的前端观察窗实现：在 ego-lite 无头 CLI 的基础上，增加了 SSE 实时推流、标签管理、历史记录、鼠标操作回传，把"看"和"控"做成了一等能力。
健壮的运行时设计：冷启动自动重试、单实例守卫、崩溃自动重启、内存缓存上限，杜绝长时间运行的内存泄漏问题。
完善的工具层封装：提供了环境检查、人机验证检测、登录持久化、浏览器请求等实用工具，覆盖真实场景需求。
全平台自适应：自动适配 Linux/macOS/Windows，root/无头/无显示器都能正常工作，不需要用户手动修改配置。
安装使用
前置条件
- Node.js ≥ 22（DSH 环境自带）
- 已安装 Chrome / Chromium / Brave / Edge（自动探测，也可手动指定）
- DeepSeek Harness + dshx
安装命令
注意：从某个版本开始，DSH 要求包名一致，所以现在包名是 dsh-ego-browser，不是 @dsh-external/ego-browser，安装的时候注意：
dshx install Fisfzy/dsh-ego-browser
dshx list # 应该显示：[on] ego-browser
如果是从旧版本升级，记得更新你的 profile package.json 和 dsh.profile.bundles：
- "@dsh-external/ego-browser": "git+https://github.com/Fisfzy/dsh-ego-browser.git",
+ "dsh-ego-browser": "git+https://github.com/Fisfzy/dsh-ego-browser.git",
- "@dsh-external/ego-browser",
+ "dsh-ego-browser",
谁该用这个插件？
如果你是 DeepSeek Harness 用户，经常需要让 Agent 操作浏览器，那一定要安装 dsh-ego-browser：
- ✅ 看得见 Agent 操作，出问题能及时发现，节省大量时间。
- ✅ 随时可以接手干预，解决验证码这类 AI 搞不定的问题。
- ✅ 功能完整，开箱即用，全平台适配，开源免费。
如果你只是偶尔让 Agent 做一次简单的网页抓取，不需要干预，那也可以选择更轻量的方案。
总结
dsh-ego-browser 是 DeepSeek Harness 生态中非常实用的一个插件，解决了 Agent 浏览器操作黑盒问题，让你看得见、控得住，大大提升了开发和使用 AI Agent 的效率。项目代码质量很高，持续更新维护，值得 DeepSeek Harness 用户一试。