前言¶

DSH 的 Agent 要读一个内部系统、填一张表单、确认一个下单动作，通常有两条路：要么给它一个干净的 Playwright 浏览器，但它没有你浏览器里的登录态，遇到验证码和二次确认就卡住；要么让它自己猜页面步骤，容易点错、读错。这个插件走第三条路：在你日常使用的 Chrome / Edge 里装一个扩展做桥，Agent 通过它在专用标签组里操作你真实、已登录的浏览器，第一次接触某个域名时先问你要权限。

下面介绍 yelinos 维护的 dsh-chrome-bridge。它思路对齐 OpenAI Codex 的 Chrome 扩展，定位是 DSH 的浏览器控制插件，MIT 许可，当前版本 0.1.1，目录页标注星标为 0。

整体思路¶

插件分两部分，通过本机 WebSocket 通信：

DSH Host 进程                         你的 Chrome / Edge
chrome-bridge (service)              DSH Chrome Bridge (MV3)
 · WebSocket 服务器                   · service worker
 · 命令/超时/keepalive                · chrome.tabs/tabGroups
 · status() Remote 接口   ws://127.0.0.1:8765
chrome-bridge-tools      DSH Web UI    · chrome.debugger (CDP)
 · chrome_* 工具                      · popup：状态/端口/token
 · 按域名授权 / 会话标签组                    右侧栏「Chrome 桥接」面板
 · 截图 → 附件管线
client.js
 · 侧栏状态卡/安装引导

扩展侧是 Manifest V3，只用 chrome.* API，不打包第三方运行时，零依赖；Host 半身是普通 ESM，纯插件挂载，没有构建步骤。

三个设计约束值得注意：

• 扩展只主动连 ws://127.0.0.1，不监听端口，网页无法访问它。
• 服务默认只绑回环地址；同机任意进程仍可连该端口，介意者建议设 authToken。
• chrome.debugger 附加时浏览器会显示「正在调试此浏览器」提示条，这是读写页面所必需的。

核心能力¶

按 README 的功能表，能力分这么几组。

真实浏览器操作。打开 / 导航标签页、读页面文本、执行 JS、截图。鼠标键盘走 CDP Input 域，是真实输入而不是合成事件，选择器或坐标点击都支持，含双击和右键。

按域名授权。首次接触域名弹出「本次会话允许 / 始终允许 / 拒绝」；「始终允许」经 settings 服务写入 allowedDomains 并持久化。门禁在导航和页面交互（读 / 执行 / 点击 / 输入 / 截图）前都会执行，blockedDomains 永远拒绝。

会话级标签组。每个 Agent 会话独立一个 DSH · <会话标识> 标签组，多会话并行互不干扰；组名默认取首个页面标题，Agent 可用 chrome_group 改成简短目的名。标签页默认复用当前会话页，每会话最多保留 maxSessionTabs 个，超出按 LRU 自动关闭，空闲超时与会话结束时自动清理。

读页方式有两种。chrome_snapshot 返回带层级、可见状态和稳定 e1 引用的无障碍树，默认输出增量 diff；chrome_read_page / chrome_read_urls 直接读可见文本或 HTML。

此外还有虚拟光标（读页时显示，回合结束收起）、滚动、截图直回对话（PNG 经附件管线作为图像内容块给模型，无附件服务时落盘）、以及右侧栏的连接状态 / 安装引导 / 域名名单面板。

安装¶

先装 DSH 插件，再装浏览器扩展。

1. 安装 DSH 插件¶

在 DSH 会话里让 Agent 执行 plugin_manager 的 install_bundle，目标为本目录的绝对路径；或在终端：

dsh plugin --profile web add /absolute/path/to/dsh-chrome-bridge

这会挂载两个 Host 级行：chrome-bridge（桥接服务，WebSocket 服务器）和 chrome-bridge-tools（chrome_* 工具）。装好后要刷新一次 Web 页面，右侧栏「+」菜单里才会出现「Chrome 桥接」标签页。

2. 安装浏览器扩展¶

1. 打开 chrome://extensions（Edge 为 edge://extensions），开启「开发者模式」。
2. 点「加载已解压的扩展程序」，选择本包的 extension/ 目录。侧栏面板里可以一键复制该路径。
3. 点扩展图标，确认显示 Connected to DSH（端口默认 8765，需与服务端一致）。

3. 验证¶

让 Agent 调用 chrome_status，应看到类似输出：

DSH Chrome Bridge connected:
- listening: true
- endpoint: ws://127.0.0.1:8765
- extension: DSH Chrome Bridge 0.1.1
- extension directory: /path/to/dsh-chrome-bridge/extension/

README 提到 0.1.1 需要在扩展管理页重新加载，并重新挂载 DSH 插件；扩展增加了 HTTP/HTTPS 网站访问权限，用于隔离光标脚本及已有标签页注入。

工具面¶

chrome_* 工具不少，按用途归类如下（节选 README 工具表的一部分）。

页面读取与执行：chrome_navigate（默认复用当前会话标签页，newTab: true 才新开）、chrome_read_page、chrome_read_urls、chrome_eval、chrome_snapshot、chrome_scroll、chrome_find。

真实输入：chrome_click、chrome_type、chrome_key、chrome_move、chrome_screenshot、chrome_element_info / chrome_element_screenshot。

会话与标签组管理：chrome_tabs、chrome_active_tab、chrome_group、chrome_open_tabs / chrome_claim_tab / chrome_release_tab、chrome_mark_tab、chrome_close_tab（只关 Agent 标签组内的页）。

长尾能力包括 chrome_act（一次调用批量执行多个动作，减少往返）、chrome_locator（Playwright 风格定位器）、chrome_upload / chrome_download、chrome_clipboard / chrome_dialog、chrome_logs、chrome_export / chrome_export_gsuite / chrome_export_youtube_transcript、chrome_viewport / chrome_visibility / chrome_cdp / chrome_network、chrome_user_takeover（暂停自动化请用户接管登录 / CAPTCHA / 2FA）、chrome_js（持久 JS 浏览器会话，暴露 agent.browsers / browser.tabs / tab.playwright / tab.ax / tab.cua 等）、chrome_webmcp、chrome_history / chrome_bookmarks 等。

工具全表以 README 为准。

配置¶

配置分服务行和工具行两处，编辑 profile 的 cordis.patch.yml，按 id 覆盖对应行的 config。

chrome-bridge（服务行）：

chrome-bridge-tools（工具行）：

不想改文件的话，直接在对话里选「始终允许」，由 settings 服务写入 allowedDomains。

典型用法¶

一次常规操作大致是：先 chrome_status 确认桥接和扩展在线，再用 chrome_navigate 打开目标页面（默认复用当前会话页），接着 chrome_snapshot 拿带稳定 ref 的页面树，然后 chrome_act 一次调用里连续执行点击、输入、滚动或截图并拿回每步观察，最后需要交付或交接时用 chrome_mark_tab 标记标签页，避免被自动清理回收。

如果页面要人机验证，调用 chrome_user_takeover 暂停自动化交给用户，而不是让 Agent 反复撞。

需要一次性批量读多个 URL 时用 chrome_read_urls（在临时后台标签中读取）；需要原始调试能力时用 chrome_cdp。

适用场景与注意¶

适合这类开发者：已经在 Chrome / Edge 里登录好要操作的系统（内部工单、文档、控制台），希望 Agent 在保留登录态的前提下点页面、填表单、看截图，同时不想让 Agent 的自由度扩散到整个浏览器。

几点需要留意：

• 依赖浏览器扩展与 chrome.debugger，仅支持 Chromium 系（Chrome / Edge / Chromium）。
• 标签组按会话拆分，同一会话内所有标签共用一个组。
• 若附件服务不可用（精简组合），截图回退为工作区文件 + read_image。
• README 明确这是实验性插件，协议为包内私有 v1，可能随版本调整。
• 插件以当前 dsh 进程权限运行，会挂载两个 Host 级行；安装前建议先读一遍源码和 MIT 许可，再决定是否加载扩展。

目录页是独立的社区站点 SkillHub，与 DeepSeek / 幻方无官方从属关系，不是官方应用商店。

小结¶

dsh-chrome-bridge 的价值在于把「Agent 操作浏览器」这件事从干净沙箱拉回到你正在用的浏览器上，用域名授权和会话标签组把不可控的自动化约束在可审计的边界内。如果你的 DSH 工作流里反复需要在一个已登录的 Web 系统上执行操作，值得装一遍试；如果是需要批量无头抓取的场景，它并不合适。

目录页：https://www.skillhub.cn/plugins/yelinos/dsh-chrome-bridge
源码与 README：https://github.com/yelinos/dsh-chrome-bridge