Meet WebBrain：一款开源、本地优先的AI浏览器代理，可在Chrome和Firefox中阅读页面并自动执行任务

WebBrain 是一款免费、开源的浏览器代理，专为 Chrome 和 Firefox 设计，能够读取页面、提取数据并自动执行多步骤任务。与大多数浏览器 AI 插件不同，它还可以完全在本地模型上运行。

该扩展由 Emre Sokullu 构建，采用 MIT 许可，完整源代码托管在 GitHub 上。当使用本地模型运行时，任何页面数据都不会离开您的计算机；如果需要更强能力，也可以连接云端 API。

WebBrain 位于浏览器的侧边栏中。在 Chrome 中，它使用 Manifest V3 和 sidePanel API；在 Firefox 中，则使用 Manifest V2 和 sidebar_action。每个标签页保持独立的对话历史。扩展在您已有的认证会话中运行，可以看到您登录的账户，不存储外部数据，不添加遥测或账户。插件支持英语、西班牙语、法语、土耳其语和中文，首次启动时会自动检测您的浏览器语言。

WebBrain 有两种模式：Ask 模式是只读的，不能更改页面；Act 模式可以点击、输入、滚动、导航和运行工作流。Ask 模式通过普通的内容脚本读取页面。Act 模式则通过 Chrome DevTools 协议（chrome.debugger API）驱动页面，产生受信任的输入事件，能够处理跨域 iframe 和影子 DOM。扩展仅在需要时按标签页附加调试器，Chrome 会显示标准的“WebBrain 开始调试此浏览器”横幅。Firefox 没有 CDP 等效机制，因此其 Act 模式功能较弱。

为确保可预测性，温度设置固定：Act 模式为 0.15，Ask 模式为 0.3，专用视觉截图描述为 0。

安全模型方面，浏览器代理运行在对抗性表面上。网页可能隐藏提示注入从而劫持代理行为。WebBrain 的设计直接应对：代理从只读的 Ask 模式开始，在执行重要操作前请求确认（可在权限设置中关闭，默认开启）。对于任何创建、发送、提交或购买的操作，WebBrain 使用可见的 UI，拒绝直接调用 REST 或 GraphQL 端点。当 UI 确实无法使用时，每个对话中可以通过 /allow-api 覆盖。读取操作（如获取 README 或比较价格）使用后台 HTTP 请求（fetch_url 和 research_url 工具），不涉及远程修改。

实际用例包括：数据提取——打开目录并询问“提取此页面所有产品名称和价格”；研究摘要——要求“总结本文”并跟进具体问题；表单填写——可选的个人资料自动填充将简短简介以本地明文存储，发送给 LLM 填写低风险表单；自动化——例如“导航到 github.com 并查找趋势仓库”。

为了控制令牌成本，WebBrain 通过三种方式限制：截图在离开计算机前被调整大小并迭代 JPEG 压缩；对话历史和工具输出按最早优先修剪以适应上下文窗口；还可以将便宜的文本模型用于规划，而将单独的视觉模型用于截图。

与其他工具相比，WebBrain 介于浏览器 AI 插件和完整代理框架之间。例如，与 Claude in Chrome 相比，WebBrain 完全开源、免费、支持本地 LLM、多提供商、Firefox，且可完全离线。而 OpenClaw 或 Browser-Use 等框架是面向开发者的 SDK，用于无头流水线，WebBrain 则是最终用户扩展，可通过聊天面板驱动。

WebBrain 通过统一接口支持本地和云模型。本地选项包括 llama.cpp、Ollama、LM Studio、Jan、vLLM 和 SGLang；云选项包括 OpenAI、Anthropic Claude、Gemini、Mistral、DeepSeek、xAI Grok 等。内置托管选项 WebBrain Cloud 无需本地设置，每月每设备配置文件 5 美元（公平使用政策）。本地使用 llama.cpp 无需 API 密钥。启动本地服务器的命令示例：llama-server -m your-model.gguf -c 16384 --port 8080 或 OLLAMA_ORIGINS="*" ollama serve。建议模型为 Qwen 3.6 35B（Qwen3.6-35B-A3B），在项目截图基准测试中优于 Gemma 4。

WebBrain 可在 Chrome Web Store、Firefox Add-ons 和 GitHub 上获取，产品详情见 webbrain 网站。