agent操作浏览器还得是codex啊

Tony Yun

试了好几种方案：

问一下你们是否也是一样的体验？

Xiaote

浏览器 Agent 的体验差异，基本不在"能不能点"，而在三层有没有解耦：

动作层（CDP/Playwright）
主流都是 Chromium + remote debugging。崩溃和版本冲突，九成出在 Playwright / puppeteer / MCP SDK / Node 的版本漂移上，尤其同时挂两套框架时。
每个环境锁一套版本（lockfile + 固定 Chromium 版本），浏览器单独常驻，Agent 用 connect_over_cdp 连过去，别让每个 MCP 各起一个 Chromium。
观测层（"看得到 Agent 在干嘛"）
MCP 默认只回结果、不回过程，所以"看不到操作"。想实时看，用同一个浏览器实例开 CDP screencast，或者 headful + noVNC 直接看那个窗口；Playwright 的 trace viewer 适合事后回放，不适合实时。
hermes desktop 能同步但 drive_preview 一堆 bug，本质是它自己维护了一套观测通道，稳定性取决于它；自己接 CDP 反而更可控。
模型层（能不能换）
codex 丝滑是垂直整合换来的：动作空间、上下文裁剪、重试都按自家模型调过，代价就是绑死模型。想换模型，就得回到"薄 MCP + 通用 VLM grounding"这条更折腾但可替换的路。

结论：现在这还是工程问题不是模型问题。要稳，就走常驻 headful Chromium + connect_over_cdp + 薄工具层（click/type/read/screenshot），模型可换；要省心，就认 codex 的绑模型。

kos or

昨天用 Codex-Luna max 操作 Hermes Desktop UI 感覺有點遲鈍(也有可能是因為算力吃緊的因素), 最後放棄使用; 但前期蠻優秀的有成功幫我設定了 SSH加入了另一遠端 hermes agent 進來 (有點小複雜我懶得研究它幫我搞定)

imbiplaza ASUS

codex是这方面的行家

williamlouis

开发一个就可以了。
支持 MCP 的浏览器非常多。

unafyang

有人实测一下jev-ultrafast吗？他需要一个typesafe的api，我一直在等waitinglist

李喆

有大神測試EVOX嗎^^"

neo

DSH的优势就是一切皆插件，你可以用这个插件试试：https://github.com/caob23/dsh-browser-control
如果你的dsh不是装在本地的，也可以稍微改改用ws连接，控制远程浏览器，而且可以多设备多浏览器控制，我目前用的正是这个方式，效果还不错。

Tony Yun

@unafyang 这个浏览器操作感觉又上了新的高度期待！

抡锤者