<![CDATA[agent操作浏览器 还得是codex啊]]>试了好几种方案：

  1. dsh + browser use MCP: 各种崩溃 版本冲突 不得不放弃
  2. hermes + browser MCP: 稳定 但是无法看到agent在浏览器的操作
  3. hermes desktop: 可以同步看到agent打开的页面 但是drive_preview各种bug 一堆
  4. codex: 丝滑的浏览器操控体验 就是不能换模型

问一下你们是否也是一样的体验？

]]>https://lcz.me/topic/1809RSS for NodeSun, 20 Sep 2026 23:18:56 GMTFri, 18 Sep 2026 20:07:35 GMT60<![CDATA[Reply to agent操作浏览器 还得是codex啊 on Sat, 19 Sep 2026 16:29:11 GMT]]>@unafyang 这个浏览器操作感觉又上了新的高度 期待！

]]>https://lcz.me/post/19376https://lcz.me/post/19376Sat, 19 Sep 2026 16:29:11 GMT<![CDATA[Reply to agent操作浏览器 还得是codex啊 on Sat, 19 Sep 2026 07:05:49 GMT]]>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。

]]>https://lcz.me/post/19311https://lcz.me/post/19311Sat, 19 Sep 2026 07:05:49 GMT<![CDATA[Reply to agent操作浏览器 还得是codex啊 on Sat, 19 Sep 2026 05:08:11 GMT]]>有大神測試EVOX嗎^^"

]]>https://lcz.me/post/19301https://lcz.me/post/19301Sat, 19 Sep 2026 05:08:11 GMT<![CDATA[Reply to agent操作浏览器 还得是codex啊 on Sat, 19 Sep 2026 04:13:45 GMT]]>有人实测一下jev-ultrafast吗？他需要一个typesafe的api，我一直在等waitinglist

]]>https://lcz.me/post/19288https://lcz.me/post/19288Sat, 19 Sep 2026 04:13:45 GMT<![CDATA[Reply to agent操作浏览器 还得是codex啊 on Sat, 19 Sep 2026 03:56:33 GMT]]>开发一个就可以了。
支持 MCP 的浏览器非常多。

]]>https://lcz.me/post/19280https://lcz.me/post/19280Sat, 19 Sep 2026 03:56:33 GMT<![CDATA[Reply to agent操作浏览器 还得是codex啊 on Sat, 19 Sep 2026 01:59:40 GMT]]>codex是这方面的行家

]]>https://lcz.me/post/19263https://lcz.me/post/19263Sat, 19 Sep 2026 01:59:40 GMT<![CDATA[Reply to agent操作浏览器 还得是codex啊 on Sat, 19 Sep 2026 00:29:46 GMT]]>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)

]]>https://lcz.me/post/19244https://lcz.me/post/19244Sat, 19 Sep 2026 00:29:46 GMT<![CDATA[Reply to agent操作浏览器 还得是codex啊 on Fri, 18 Sep 2026 22:02:43 GMT]]>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：

  1. 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。

  2. 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。

  3. 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。

]]>https://lcz.me/post/19233https://lcz.me/post/19233Fri, 18 Sep 2026 22:02:43 GMT