很多人给 Agent 配浏览器能力，先比"能点多少下""支持多少种选择器"。真用起来才发现，最要命的不是能力不够，而是整件事发生在你看不见的地方：Agent 说填完了、翻到第三页了、PDF 下好了，可中间那一段——是被验证码卡住，还是点错了按钮，还是在一个加载不完的白屏上原地打转——你完全不知道。
ego-browser 要解决的正是这一段。它把给 AI Agent 用的 Chromium（ego-lite）接进 DeepSeek Harness，给出一组结构化的 ego_* 工具，再配一个实时观察窗：Agent 在后台操作网页时，你能像看直播一样看到它正在浏览的每个页面，还能直接动手操作它。插件本体是 MIT，包名 dsh-ego-browser，npm latest 0.8.6。想先看同类插件的中文清单，可以从 DeepSeek Harness Hub 插件清单 进。
上手第一步：让 Agent 用上你已登录的浏览器
要求登录的站点是第一道坎。文献库、后台系统、内部看板，几乎都不欢迎一个干净会话。
ego-browser 不让你在 Agent 的浏览器里重新登录一遍，而是提供从系统浏览器导入登录态：设置页里的「从系统浏览器导入登录态」，或工具 ego_login_import，会把你日常 Chrome、Edge、Brave 的登录 cookie 按域名复制进 Agent 浏览器。实现是真实二进制无头启动 + CDP 透传读取，兼容 Chrome 127+ 的 App-Bound Encryption，不做离线解密；源浏览器正在运行时可选择优雅关闭后再导入。两件让人安心的小事：cookie 值不会出现在任何日志与输出里；导入前自动备份源 cookie 库，异常清空自动还原。配合默认的磁盘持久化 Profile，导入的登录态可以跨重启永久保留。
边界要说清：多个任务空间之间的 cookie 相互隔离，得在对应空间里登录；重启 DSH 后运行期的登录态会被清空（Chrome 运行期 cookie 只在优雅关闭时才落盘）。所以，要让登录长期保留，"导入登录态"比"运行期登录、再指望它自己记住"更可靠。
表单填到一半，验证码弹出来了
黑盒模式下，Agent 提交表单后返回一句"提交失败"。你不知道是字段填错了、网络超时，还是页面上弹出了人机验证——它对 Agent 来说是一堵墙，对你来说只是两秒钟的事。
ego-browser 里有专门的人机验证探测工具 ego_captcha（ego_page_info 也能帮忙判断页面状态），而更直接的是观察窗本身：主画面就是 Agent 当前页面的实况，你在里面点、拖、滚，就是直接操作那台真实浏览器。验证码弹出时，你接管把滑块拖过去、把图形码点掉，然后不打断 Agent，它继续往下跑。
操作手感是按"接管"设计的：点击画面后可直接键盘输入，支持中文 IME、粘贴、Tab/Enter/方向键与 Ctrl/Cmd 快捷键；Ctrl+滚轮缩放、Ctrl+拖动平移、双击复位；顶部标签条可切换和关闭标签。你不需要"先停下、另开浏览器、重走一遍"，就地接管即可，做完交还。
一个细节：把 DSH 窗口切到后台不会停止串流（避免切回来时反复重建采集链路）；而面板关闭、侧边栏 Tab 隐藏或组件卸载后，1.5 秒宽限结束即停止画面生产，异常关闭由 120 秒 worker lease 超时兜底——"看得见"本身的开销是收敛的。
动态渲染的页面：要"看得懂"，不只是"看得见"
现代网页很多内容是渲染出来的。ego-browser 给 Agent 的读取主入口是 ego_snapshot，返回的是语义树而不是一大段 HTML——一份"页面上有哪些可交互元素、分别是什么"的结构化描述，再配合 ego_click、ego_fill 这类语义定位工具去操作。
边界要提醒：Linux 上语义树用 CDP DOMSnapshot 重建，不是 macOS 内核级那套，复杂 iframe 或画布场景可能降级。知道这个边界后，你在观察窗里看到"Agent 找不到那个按钮"，就知道该怀疑的可能是快照质量，而不是 Agent 本身。
下载 PDF：别让文件消失在临时目录里
批量下载 PDF 是文献工作的日常。黑盒模式下最常见的一幕：Agent 说下载成功，你翻遍下载目录却找不到——因为它落在了一个你不知道的地方，或者中途被打断了一半。
ego-browser 把下载做成显式工具 ego_download；更关键的是，观察窗这一层共用同一套下载捕获能力，你能在实时画面里直接看到下载动作发生。配合历史抽屉按时间回看访问轨迹，"我明明让它下了五篇"这个疑问可以顺着轨迹一条条核对，不必重跑整个流程。
什么时候它真的比"跑得快"更重要
如果你的任务是一次性、幂等、失败了重跑代价很低的批量抓取，那观察窗带来的额外关注其实是负担，你更关心吞吐。
但只要满足任一条，实时可见就压过速度：站点需要登录态，会话本身有成本；流程里有验证码这类必须真人介入的环节；页面动态渲染，失败原因难从返回值反推；产物是文件（PDF、报表），丢一份不易发现；操作不可逆（提交、下单、发布），宁可慢也不能错。反过来，宿主若没有图形界面，ego_* 工具照样能用，但"看得见"这条核心价值就不存在了。
总结
ego-browser 的价值不在于"支持了浏览器自动化"，而在于把 ego_* 工具和一套实时观察窗绑在一起，让 Agent 用你的浏览器干活的同时，你始终看得见、也随时能接手；想对照同类插件的中文清单与安装形态见 DeepSeek Harness Hub 插件清单。
适合与不适合
适合：需要登录态才能访问的站点自动化；流程中可能出现验证码、必须真人接手的任务；以 PDF 等文件为产物的批量下载；希望全程盯住 Agent 操作、随时能介入的 QA 与冒烟测试。
不适合：Windows 上跑复杂多步流程——底层 ego-lite 宿主仍是非 Windows 官方支持的社区移植，稳定性可能弱于 macOS；Linux 上做跨 CLI 调用的长流程——可能丢 tab 或空间状态，复杂流程可能需重试；纯 TUI / headless 宿主且你本就不需要观察窗的场景，此时 ego_* 工具可用，但"看得见"这条核心价值并不存在。
标签：ego-browser、DeepSeek Harness、应用实践、浏览器自动化、Agent 观察窗
本文由 DeepSeek Harness Hub 自动整理，数据来源于插件详情页。