ctoldigital/axuse

这是一个文档扎实、机制清晰的 Agent 浏览器自动化服务器，但源码采用非商业许可，商用前要先谈授权；验证码求解还需另购商业插件。

解决什么问题

当 Agent 要帮人订会议、填采购表单或查看后台数据时，它首先得看见并操作真实浏览器。常见做法是把截图循环喂给视觉模型，再按像素坐标去点。这样做既费 token，又在页面慢、布局或分辨率变化时容易失败。axuse 换掉了中间这一步：Agent 读取 DOM 与无障碍树的文本快照，按具名元素引用操作，而不是猜坐标。同一件事因此能用更少的步骤和更低的成本完成。

有什么不同

它的思路是给页面装仪表，而不是给页面拍照。axuse 通过 Chrome DevTools Protocol 接入，输出类 YAML 的无障碍快照，默认只返回两次观察之间变化的差异。元素引用绑定到元素身份，所以新增内容插入时，未变化的行仍保持原引用。输入通过 CDP 的可信事件派发，比合成 DOM 事件更接近真实用户收到的输入。一次 ax_fill 可以填完整个表单，ax_scroll {until:"text"} 能处理无限滚动列表，从而减少往返次数。

项目公布了一组与 Codex 自带 Chrome 扩展和 browser-use 0.13 的对比基准，均在同一个 Codex CLI harness 和同一模型下运行。三者通过任务的成绩打平（28/28、27/27、27/27），而 axuse 报告的中位单任务耗时是 17 秒，另两者为 26 秒和 56 秒；token 总量为 4.7M，另两者为 9.8M 和 8.8M。这些是作者自行运行的数字：任务集不大，且正确率并未胜出，所以收益体现在成本和延迟上，而不是准确率。README 提到还有一组更难的扩展任务，但给出的节选中没有其结果。

谁值得试

适合已经在用编程 Agent、希望让它顺带操作网页应用的人：读取某个门户、填写重复表单，或在没有公开 API 的站点上查信息。也适合在无桌面的 Ubuntu 服务器上跑 Agent 的用户，README 描述了启动私有 Xvfb 并以有头模式运行 Chrome，使反爬检测看不到无头浏览器的指纹。非开发者有更省事的路子：Claude 桌面应用可直接双击 .mcpb 包，其他 Agent 可以照着安装提示自行配置，另有单独的非开发者上手指南。

如果想在商业产品里嵌入一个宽松许可的组件，或者自动化主要是批量抓取、专用爬虫更简单，就不太适合。harness 不支持 MCP 时也不要选它，因为 README 只给出了这一种接入方式。

使用条件与边界

需要 Node.js 22 或更高版本，以及 Chrome、Edge、Chromium 等浏览器；浏览器会自动查找，也可用 AXUSE_BROWSER 指定。在无浏览器、无 sudo 的服务器上，install-browser 会在 ~/.cache/axuse 下装一个固定版本的 Chrome for Testing。桌面控制的支持程度不一：Windows 已验证，macOS 需显式选择启用并经过系统 TCC 权限检查，Linux 通过 X11/XWayland 与 XTEST 运行。日常用 Chrome 或 Edge 会话时，需要手动点一次“加载已解压的扩展程序”，之后用 bridge verify 检查连接，这一步是安装阶段的主要摩擦。

更大的边界在许可。代码采用 PolyForm Noncommercial License 1.0.0，个人、研究、教育、慈善等非商业用途免费，商业用途需另行向 CTOL Digital Solutions 取得授权。核心本身不含验证码求解器；Turnstile、hCaptcha、reCAPTCHA 支持来自单独授权的商业插件包。README 中“已在生产中验证”的说法是厂商自述，并非独立证据。

HotRepo 点评

HotRepo 的存储覆盖从 2026-10-24 开始，仓库创建于 2026-10-14。唯一一条带日期的观察是 2026-10-25 的 JavaScript 新项目榜第 23 名、494 颗总星——这是一次快照，不是单日增长。没有可比的每日榜单历史，因此目前无法判断关注度能否持续。采用之前，建议直接核实商业许可条款，尤其当验证码求解会成为流程一部分时。

项目源码与说明