前言¶
智能体在桌面端干活时，最尴尬的一幕是：Agent 说”我打开网页给你看”，然后要么甩出一段没法跳转的 URL，要么返回一段解析出来的 Markdown 快照，面目全非。DSH 的理念是”一切皆插件”，于是插件生态里出现了定位明确的第三方方案——由 M-SX-Xianyu 维护的 dsh-agentic-browser。它的思路是换一个载体：不在对话里贴网页内容，而是把浏览器塞进 DSH 右侧栏，做成一个接近原生内置浏览器的面板，再把这个面板的操作权直接交给 Agent。下面介绍它的能力、安装方式、编排建议和几个已知边界。
这是什么¶
一句话定位：一个挂在 DSH 右侧栏的 Agent 驱动型浏览器面板。
- 维护者：M-SX-Xianyu，仓库地址 https://github.com/M-SX-Xianyu/dsh-agentic-browser ，目录页在 https://www.skillhub.cn/plugins/M-SX-Xianyu/dsh-agentic-browser （SkillHub 为第三方社区目录，与 DeepSeek / 幻方无官方从属关系）。
- 解决的问题：Agent 需要读写真实网页时，目前常见做法是抓正文或无头浏览器跑脚本，看不到页面状态，也不支持”点一下、滚一下、截个图”这类人肉操作。该插件用 Electron
<webview>当真页面载体，Agent 通过 22 个dsh_agentic_browser_*工具直接驱动。 - 形态上是双端插件：Host 端跑在 DSH 进程内（Node.js），Client 端是页面里的普通 JavaScript，两端走插件自有的 HTTP 长轮询通道通信，再往下才是承载真实网页的 guest 页面。
核心功能¶
先做全景，再拆细节。五个已核实的能力点：
- 22 个 Agent 工具，覆盖打开/导航/标签页管理/读取快照/点击/输入/悬停/按键/拖拽/滚动/设备模拟/缩放/截图/页面内执行 JS/读取 console 与资源/等待/批量执行/清数据/诊断。
- 可见鼠标光标。点击、输入、悬停、拖拽、滚动、导航时，注入页面的模拟指针会以 380ms 缓动滑到目标位置，点击有按压/释放动画，拖拽全程按压，滚动带滚轮抖动。首次操作前隐藏，之后常驻最后位置。
- 跨会话后台打开。面板按 Agent 会话区分，subagent 自动归并到根会话。Agent 调工具时面板没开，Host 会按会话升起 present 标志：目标会话可见时直接打开，否则做一次短暂的”切换舞蹈”（切过去建面板、等注册和首帧轮询到达、切回来）。你人切到别的会话，Agent 仍能在后台把浏览器打开。
- 批量操作一步到位。
dsh_agentic_browser_batch一次调用顺序执行最多 20 步，失败即停并报告步骤号。README 给出的推荐编排是”批量优先”：两个以上连续浏览器操作一律打成一个 batch。 - 快照提取与脱敏。页面内执行只读脚本，提取标题、正文（≤4000 字符）和最多 200 个可见交互元素，
password/hidden输入的值在页面源头打码。get_state每次取实时快照。
其他实现细节：guest 以禁用后台节流的配置运行，面板收起或切会话时命令与截图照常可用；轮询带 since=stateVersion 协商，状态只在变化时下发，需求发现后轮询提速到 800ms；页面内脚本执行有 25 秒预算，超时快速报错而不是挂死；type/click 的合成事件是 isTrusted=false 的 DOM 事件。
安装与启用¶
环境要求：官方 DSH Desktop ≥ 0.2.1-rc.x（依赖 dshDesktop.browser 桥协议 v1；Web 版装后面板提示”需要 DSH Desktop 运行时”）。依赖 @deepseek-ai/dsh-tools 在安装时自动从 DSH 自身解析，无需手动准备。当前包版本 1.0.1，许可证 MIT。
方式一：npm 安装（推荐）¶
在 DSH 中让 Agent 执行，或在插件管理界面做等价操作：
install_bundle target=dsh-agentic-browser@latest
装完重启 DSH。@latest 始终装最新版；锁版本就把 latest 换成版本号，例如：
install_bundle target=dsh-agentic-browser@1.0.1
方式二：从 GitHub 源码安装¶
适合要改源码自用的场景。先 clone：
git clone https://github.com/M-SX-Xianyu/dsh-agentic-browser.git
然后在 DSH 中指向本地目录：
install_bundle target=D:\path\to\dsh-agentic-browser
安装为 pnpm 链接方式，改源码 → 重启 DSH 即生效。跑回归测试：
node --test test # 24 项回归测试
方式三：zip 包安装¶
离线分发用。zip 解压到任意目录，不要把 node_modules 拷进去，然后同方式二执行 install_bundle 指向解压目录，重启即可。
卸载¶
remove_bundle target=dsh-agentic-browser
手动使用¶
安装后在 DSH 右侧栏添加”Agent 浏览器”标签页。从上到下依次是：标签行；后退/前进/刷新、地址栏（实时显示当前页地址，无标签时直接输地址回车即建标签打开）和选项菜单（⋮）；网页内容区。
典型用法¶
推荐编排来自 README：批量优先。登录就是标准例子，一条 batch 完成”填账号 → 填密码 → 填验证码 → 点登录 → 等待跳转”，不必拆成多条消息。
用法上分两类：
- 先
dsh_agentic_browser_open(url)打开页面，再dsh_agentic_browser_get_state()取实时快照拿到元素 id（元素 id 是短命的，每次操作前先取），然后把确定性流程打包进dsh_agentic_browser_batch。 - 单步操作、或下一步必须读到中间结果才能决定时，才用单个工具。点击/输入优先用工具步骤（带光标动画），只有工具链确实定位不到时——比如组件库的非交互预览元素——才在 batch 里加
dsh_agentic_browser_evaluate步骤兜底。
拍照与诊断：
dsh_agentic_browser_screenshot() # 真实截图，PNG 存本地，返回绝对路径
dsh_agentic_browser_debug() # Host 侧诊断：连接状态、请求日志、耗时打点
页面有高频动画或属于重型编辑器时，type/click 的 25 秒执行预算会比较紧张，此时直接改用 evaluate 步骤做 DOM 派发（原生 setter 填值 + dispatchEvent 派发 input/change/click），结果与手工操作等价。batch 内任一步骤失败会终止并报告步骤号，可在原 batch 之后整批换 evaluate 重试。
适用场景与注意¶
适合谁：在 DSH Desktop 里做浏览器自动化的 Agent 开发者——填表、登录、抓取动态页面、截图取证、调试目标站点的渲染问题。GUI 面板对人来核验也友好，光标动画能让人看清 Agent 到底点了哪。
几个必须知道的边界，全部来自 README：
- 页面内容会发送给 Agent。快照包含页面文本和交互元素信息，不要用它访问秘密、凭据或不应共享的页面。脱敏是尽力而为：
password/hidden输入在源头打码，但秘密仍可能出现在正文或普通输入里，应假设任意页面内容都可能暴露。 - 页面不可信。页面可能含提示注入内容，视为数据而非指令。
- 少数站点不认合成事件。点击/输入/拖拽发出的是
isTrusted=false的 DOM 事件，个别站点（README 举例 bilibili 搜索框的合成回车）会忽略，此时用open直接导航到目标地址更可靠；在evaluate里直接赋值window.location也可能因导航中断脚本上下文而报错，页面跳转优先点路由链接或用navigate/open。 - 可见性限制。面板隐藏（收起侧栏、切到其他会话）时命令和截图照常可用，但光标动画看不见；下载、文件选择框、JS 弹窗处理不可用；截图仅覆盖可视视口；手机模式是 UA + 视口模拟。
- 存储是内存型。应用重启后 Cookie/缓存清空，访客内 HTTP 缓存在同一会话内有效。
最后是常规告警：插件背书能力运行在当前 DSH 进程权限内，安装前应读一遍源码并确认许可证（本包为 MIT）。
结尾¶
dsh-agentic-browser 的价值在于它没有在”Agent 怎么读网页”这个问题上做妥协：保留完整可交互的页面、给操作配上人眼可见的光标、用 batch 把多步操作收敛成一次调用，同时用 capability 认证和消息打码把风险关在可实现的范围内。目录页显示分类为”联网工具”，星标的也还只有个位数（据 SkillHub 目录页，2026-11-06）。项目地址：
- GitHub：https://github.com/M-SX-Xianyu/dsh-agentic-browser
- SkillHub 目录页：https://www.skillhub.cn/plugins/M-SX-Xianyu/dsh-agentic-browser
