跳转至

浏览器 Agent：Browser Use · Comet · Dia · AI 浏览器重塑

最后更新：2026-04-24

浏览器是 Agent 时代的主战场之一——95% 的企业应用是 Web 应用，Agent 能操作浏览器就能替代大量 SaaS 任务。2025 年三条路线并行：(a) Agent 操作现有浏览器（ChatGPT Operator）、(b) AI 原生新浏览器（Arc / Dia / Comet）、(c) 开源浏览器 Agent 框架（Browser Use）。

一句话结论

浏览器 Agent 是 Computer Use 的"收缩版" —— 只管浏览器不管桌面，牺牲通用性换稳定性。三条路线中，Browser Use 开源方案最灵活、ChatGPT Operator 商业化最领先、Arc / Dia / Comet 浏览器 企图重新定义浏览入口但规模仍小。

三条关键要点

  1. ChatGPT Operator → ChatGPT Agent（2025-07）：OpenAI 旗舰浏览器 Agent，云端 Chrome 实例
  2. Browser Use 是 2024-2025 GitHub 最快成长 Agent 库：开源、支持多模型、企业可自托管
  3. "AI 原生浏览器" 虽然声量大（Arc / Dia / Perplexity Comet）但用户规模仍不足 Chrome / Safari 的 1%

浏览器 Agent 的三条路线

路线 1 · 基于现有浏览器的 Agent

代表：ChatGPT Operator、Claude Computer Use（浏览器部分）、Browser Use、Google Project Mariner 方式： - 启动 Chromium / Playwright 实例 - 截图 → 模型推理 → 鼠标键盘操作 - 或 DOM 解析 → 点击 / 填表 优势：兼容一切网站 劣势：速度慢 + 可能被 Bot 检测

路线 2 · AI 原生浏览器

代表：Arc（The Browser Company）、Dia、Perplexity Comet、Opera AI Browser 方式： - 重新设计浏览器 UI + AI 集成 - 侧边栏 AI / 自动摘要 / Agent 任务 优势：深度集成、体验顺畅 劣势：用户迁移成本高、规模小

路线 3 · 开发者框架（自建浏览器 Agent）

代表：Browser Use、Playwright + AI、Stagehand 方式： - 提供 Python/JS SDK - 支持任意 LLM 后端 - 企业可自托管 优势：灵活、成本可控 劣势：需要工程投入

主要产品详解

ChatGPT Operator / Agent（OpenAI）

  • 发布：2025-01 Beta，2025-07 正式改名 Agent
  • 核心技术：CUA 模型（Computer Using Agent）+ GPT-5
  • 形态：ChatGPT Pro 内的云端 Chrome Agent
  • 典型任务：订机票 / 网购 / 填表 / 预约
  • 成功率：60-70%（浏览器任务）
  • 价格：Pro $200/月，有 Action 限额

Perplexity Comet

  • 发布：2025-Q1
  • 形态：Chromium fork + Perplexity 深度集成
  • 特色：每个 Tab 带 AI 摘要 + Agent 侧边栏
  • 策略：让用户换浏览器 → 锁定 Perplexity 使用

The Browser Company · Arc / Dia

  • Arc：2024-2025 小众但狂热粉丝
  • Dia：2025 新产品，更 AI 原生
  • 状态：MAU 几百万级，规模远小于 Chrome

Browser Use（开源）

  • GitHub：github.com/browser-use/browser-use
  • Stars：30k+（2026-Q1）
  • 语言：Python
  • 支持模型：GPT / Claude / Gemini / DeepSeek / 任意 LLM
  • 特色：企业自托管 + 定制化强

Stagehand（Browserbase 出品）

  • 专注企业 Web Agent 自动化
  • Browserbase 公司 2024 估值 $40M+

浏览器 Agent 的六个关键挑战

1. Bot 检测

  • Cloudflare / Akamai / reCAPTCHA 升级
  • 2025 已能识别 95%+ 自动浏览器流量
  • Agent 公司 vs Bot 防御 的长期对抗

2. 身份验证 / 支付

  • 2FA / OTP 输入
  • 支付 CVV / 指纹
  • 用户必须介入，Agent 不能完全自主

3. 速度

  • 每 action 2-5 秒
  • 10 步任务 = 30-60 秒
  • 比人类慢 3-5x

4. 成本

  • 云端 Chrome 实例 + LLM tokens
  • ChatGPT Operator 每任务 $0.5-3
  • 大规模使用成本不菲

5. 法律边界

  • Agent 以"谁"的身份操作？
  • 违反 Terms of Service 的责任
  • 爬虫 vs Agent 的法律区分

6. 隐私

  • Agent 看到屏幕 / Cookie / 登录状态
  • 用户数据保护
  • OpenAI 2025-Q1 在 Operator 中强制显示"Agent 正在看你的屏幕"提示

用 Aggregation Theory 框架 看浏览器 Agent

传统浏览器的 Aggregation：Chrome + Google Search 聚合网页流量。

浏览器 Agent 改变 Aggregation： - AI 成为新的流量聚合点 - 用户不再点 Google → 点网站，而是"让 Agent 替我做" - 网站变成 Agent 的后端，流量逻辑完全改变

战略影响： - Google 搜索广告模式受威胁 - 网站变成 API（而不是面向人的 UI） - Perplexity / OpenAI 有机会在"Agent 入口"层成为新 Aggregator

用 7 Powers 框架 看各路线

Power ChatGPT Operator Comet / Dia Browser Use
Cornered Resource ⭐⭐⭐⭐（OpenAI 模型） ⭐（产品设计） ⭐（开源社区）
Network Economies ⭐⭐⭐⭐（ChatGPT 生态） ⭐⭐（Perplexity） ⭐⭐⭐（贡献者）
Switching Costs ⭐⭐（订阅） ⭐⭐⭐（浏览器换不易） ⭐⭐（工程投入）
Scale Economies ⭐⭐⭐⭐（OpenAI Scale） ⭐⭐ ⭐
Branding ⭐⭐⭐⭐⭐ ⭐⭐⭐ ⭐⭐⭐

2026 关键变量

  1. Google Chrome 官方 Agent 功能：Chrome 2026 Q2 测试 "AI Mode"
  2. Perplexity Comet MAU：能否突破 500 万
  3. Apple / iOS 浏览器 Agent：Safari AI Mode 2026 计划
  4. Bot 检测军备竞赛：Cloudflare 新一代防御
  5. 欧盟 DMA 对 Agent 浏览器的新规：公平竞争 / 数据保护

我的判断

我的看法：

  1. 浏览器 Agent 2026 处于"Demo 到规模"的关键跃迁：ChatGPT Agent / Comet 是风向标
  2. AI 原生浏览器（Arc / Dia / Comet）短期不会取代 Chrome，长期可能形成 5-10% 小众市场
  3. Browser Use 成为开源 Agent 开发事实标准：类似 Flask 在 Web 开发地位
  4. Chrome + Google AI 反击 是最大变数：Chrome 60%+ 市占率 + Gemini 集成能瞬间改变格局
  5. 浏览器 Agent 最大受益者是 OpenAI / Perplexity，最大受损者可能是 Google 搜索广告

我可能错在哪里： - Chrome AI Mode 出现"ChatGPT 时刻"，一夜主流化 - 浏览器 Agent 始终解决不了 Bot 检测，生产化失败 - Apple Safari + iPhone AI 后发先至

延伸阅读