Agent 直连你日常使用的 Chrome 浏览器，天然携带登录态。

沉默王二约 4045 字大约 13 分钟

大家好，我是二哥呀。

上一期我们给 PaiCLI 接上了 Chrome DevTools MCP，Agent 终于能开浏览器了。能导航页面、截图、拿 DOM 快照，微信公众号文章也能读了。

但存在另外一个问题。

每次 Agent 打开的都是一个“新”的 Chrome，没有登录态，没有 Cookie。你让它去看 GitHub 私有仓库的 README，它无能为力，因为需要登录。

并且每次都要重新输入用户名和密码，这就很受不了。

这一期，我们来解决这个问题：让 Agent 直连你日常使用的 Chrome，复用你已有的登录状态，就像你本人一样浏览任何需要登录的页面。

01、为什么要复用登录态

先回顾一下上一期的架构。

chrome-devtools-mcp 默认用 --isolated=true 启动，每次都会创建一个临时的 user-data-dir，浏览器关了这个临时目录就清掉了。

这种隔离机制安全是安全，但也意味着 Agent 的浏览器和你日常用的 Chrome 完全不是一回事。你的 GitHub 登录态、飞书的 session、公司内网的 SSO 令牌，它一个都不能用。

实际开发中会碰到大量需要登录态的场景：查看 GitHub 私有仓库的代码、浏览公司内部的 Wiki、读飞书云文档里的需求说明、查看 Grafana 的监控面板等等。

这些场景有一个共同特点：访问需要身份认证。

Agent 没有登录态，等于一大半的能力被封印了。

chrome-devtools-mcp 原生支持一个参数 --browser-url，可以连接到一个已经在运行的 Chrome 实例。

思路是：你启动Chrome，并且开启调试端口，通过 --browser-url 连上去，Agent 就能看到你所有的登录态了。

02、开启 Chrome 远程调试

要让 PaiCLI 连上你的 Chrome，第一步是让 Chrome 开放 CDP 调试端口。

不需要关掉 Chrome 再用命令行重新启动，直接在你正在用的 Chrome 里操作就行。

打开 Chrome 地址栏，输入：

chrome://inspect/#remote-debugging

页面上会看到一个开关：Allow remote debugging for this browser instance。把它打开。

就这么简单，一步搞定。

打开之后，Chrome 就允许外部程序通过 CDP 协议连接进来了。

上一期讲过，CDP 的通信方式是 WebSocket，chrome-devtools-mcp 会自动发现并连接到这个 Chrome 实例。

这种方式最大的好处是：你当前 Chrome 里已经登录好的 GitHub、飞书、公司内网，所有的 Cookie 和 session 都在，不需要重新登录。PaiCLI 连上来就能直接用你现有的登录态。

03、Agent 自动切换登录态

Chrome 远程调试打开后，回到 PaiCLI。

不需要你手动执行连接命令。Agent 会自己判断当前页面需不需要登录态，需要的时候自动切换到 shared 模式，不需要的时候用 isolated 模式。

直接试一下。

让 Agent 去读一个不需要登录的页面：

帮我看一下 https://paicoding.com 的首页

Agent 会用 isolated 模式打开一个临时浏览器，拿到页面内容。公开页面不需要登录态，isolated 够用了。

再试一个需要登录的：

帮我看一下语雀上的这篇文档 https://www.yuque.com/itwanger/gykdzg

首先会弹出这样一个确认对话框。

允许后就会使用你的登录态。

注意右上角，两种模式下的登录用户是不一样的，一个是我已经登录的Chrome账号，另外一个是临时用户。

isolated 模式会自动检测本机有没有开启远程调试的 Chrome，发现有，就切换到 shared 模式（--autoConnect）重新访问。

整个过程你在 Chrome 里能实时看到页面在跳转。

Agent 的思考过程会打印出来：先尝试 isolated，发现需要登录，自动切到 shared 重试。

小红书、语雀、飞书云文档、公司内网系统这些需要登录态的站点，Agent 都能自动处理。你不用关心它在用哪个模式，该切的时候它自己会切。

用 /browser status 可以随时查看当前的模式状态：

/browser status

如果你的 Chrome 没有开远程调试，--autoConnect 连接失败后 Agent 会继续用 isolated 模式，并提示你可以开启远程调试来获得登录态支持。

04、自动切换的设计

这个自动切换的设计经历了几轮迭代，值得展开说说。

最早的方案是让用户手动执行 /browser connect 和 /browser disconnect 切换。但实际用下来体验很差，用户每次都得想“这个页面需不需要登录态”，想完了还得手动敲命令，用完了还得记着断开。这不是 Agent 该有的体验，Agent 应该自己搞定这些事情。

第二个方案是注册两个 MCP server：一个 chrome-devtools-isolated，一个 chrome-devtools-shared。Agent 自己选用哪个。但这个方案更离谱，28 个工具变成 56 个，system prompt 的 token 直接翻倍。LLM 看到两套几乎一样的工具。

最终的方案是：server 名字不变，Agent 在需要登录态时自动切换启动参数，内存里改完重启 server。

核心实现在 McpServerManager.restartWithArgs()：

public synchronized String restartWithArgs(String name, List<String> newArgs) {
    McpServer server = servers.get(name);
    if (server == null) {
        return "❌ 未找到 MCP server: " + name;
    }
    server.config().setArgs(newArgs);
    return restart(name);  // 走现有的重启路径
}

就这么几行。

改 args，重启，完了。

LLM 看到的工具集始终是这 28 个 mcp__chrome-devtools__*，提示词不用改，HITL 逻辑不用改。

Agent 的决策流程是这样的：

第一步，Agent 用 isolated 模式打开页面（默认行为，安全）。

第二步，Agent 拿到页面内容后判断是不是登录页。如果是正常内容就直接用，流程结束。

第三步，如果发现是登录页或者权限不足的提示，Agent 调用 restartWithArgs 把 chrome-devtools-mcp 的启动参数从 --isolated=true 切换为 --autoConnect。--autoConnect 是 chrome-devtools-mcp 提供的自动发现机制，它会自动找到本机开启了远程调试的 Chrome 实例并连接上去，不需要指定端口号。连接成功后重新访问同一个页面，连接失败就告诉用户需要开启 Chrome 远程调试。

切换到 shared 模式的时候有一件事必须做：清空 approvedAllByServer("chrome-devtools")。

browserSession.switchToShared("autoConnect");
hitlHandler.clearApprovedAllForServer("chrome-devtools");

切换只在内存中进行，不会去改你的 ~/.paicli/mcp.json 文件。

PaiCLI 重启后回到 isolated 模式，默认安全。

你也可以用 /browser status 随时查看当前模式，用 /browser disconnect 手动切回 isolated。但正常使用根本不需要操心这些，Agent 自己会处理。

05、autoConnect 的发现机制

前面反复提到 --autoConnect，Agent 是怎么找到你本机 Chrome 的？

很多人的第一反应是端口扫描——遍历常见端口试一圈，哪个通了就连哪个。chrome-devtools-mcp 没有这么干。端口扫描慢、不可靠，还容易误连到别的服务上去。

它用的是文件发现。

Chrome 在开启远程调试后，会在自己的用户数据目录下写入一个文件：DevToolsActivePort。这个文件只有两行：

52837
/devtools/browser/a1b2c3d4-e5f6-7890-abcd-ef1234567890

第一行是 Chrome 动态分配的调试端口号，第二行是 WebSocket 的路径。

chrome-devtools-mcp 拿到这两行，拼成 ws://127.0.0.1:52837/devtools/browser/a1b2c3d4...，直接建立 WebSocket 连接。

整个发现过程就是读一个文件，没有网络探测，没有端口扫描。

// chrome-devtools-mcp 的连接逻辑（简化）
const portPath = path.join(userDataDir, 'DevToolsActivePort');
const fileContent = await fs.promises.readFile(portPath, 'utf8');
const [rawPort, rawPath] = fileContent
    .split('\n')
    .map(line => line.trim())
    .filter(line => !!line);

const port = parseInt(rawPort, 10);
const browserWSEndpoint = `ws://127.0.0.1:${port}${rawPath}`;

为什么要用文件而不是固定端口？

因为 Chrome 每次开启远程调试时，端口是随机分配的，不是固定的 9222。固定端口容易冲突——你本机跑着好几个 Chrome 实例或者其他开发工具占了 9222，直接就连不上了。随机端口 + 文件记录，Chrome 自己写、MCP 自己读，不会冲突。

DevToolsActivePort 文件的位置跟操作系统有关：

macOS：~/Library/Application Support/Google/Chrome/DevToolsActivePort
Linux：~/.config/google-chrome/DevToolsActivePort
Windows：%LOCALAPPDATA%\Google\Chrome\User Data\DevToolsActivePort

chrome-devtools-mcp 内部是通过 Puppeteer 定位 Chrome 的用户数据目录的，不需要你手动指定路径。

--autoConnect 加上 --channel=stable（默认值），Puppeteer 就知道去哪找。

再说连接过程中的权限控制。

你在 chrome://inspect/#remote-debugging 打开远程调试的开关后，Chrome 并不是无条件接受所有连接。

当 chrome-devtools-mcp 第一次尝试连接时，Chrome 会弹出一个原生的确认对话框，问你是否允许这个外部程序接入。

你点了“允许”，连接才能建立。这是 Chrome 自己的安全机制，不是 PaiCLI 加的。

整个流程串起来是这样的：

你在 chrome://inspect/#remote-debugging 打开远程调试
Chrome 动态分配端口，把端口号和 WebSocket 路径写入 DevToolsActivePort 文件
Agent 需要登录态时，PaiCLI 用 --autoConnect 重启 chrome-devtools-mcp
chrome-devtools-mcp 读取 DevToolsActivePort 文件，拿到端口和路径
通过 WebSocket 连接 Chrome，Chrome 弹出确认对话框
用户点“允许”，连接建立，Agent 拥有你的登录态

一个硬性前提：Chrome 版本必须 144 以上。chrome://inspect/#remote-debugging 这个页面和对应的远程调试权限 UI 是 Chrome 144 引入的。低于这个版本的 Chrome 打开这个地址只会看到空白页。

查看你的 Chrome 版本：地址栏输入 chrome://version，第一行就是版本号。

06、敏感页面保护机制

shared 模式下 Agent 拥有你的真实账户权限，这是一把双刃剑。

你让它去读 GitHub 仓库的代码，没问题。但如果它跑去 GitHub Settings 里乱点一通，或者在支付宝页面上执行了什么 JavaScript 脚本，那就是灾难了。

PaiCLI 的解决方案是 BrowserGuard + SensitivePagePolicy，一套策略层的安全机制。

SensitivePagePolicy 内置了 14 条默认的敏感 URL 规则，用 glob 模式匹配：

private static final List<String> DEFAULT_PATTERNS = List.of(
    "*://*.bank.*/*",
    "*://*.alipay.com/*",
    "*://*.paypal.com/*",
    "*://*.stripe.com/*",
    "*://github.com/settings/*",
    "*://*.feishu.cn/admin/*",
    "*://*.larksuite.com/admin/*",
    "*://*.console.cloud.google.com/*",
    "*://*.console.aws.amazon.com/*",
    "*://*.portal.azure.com/*"
    // ... 还有几条
);

银行、支付宝、PayPal、GitHub Settings、飞书管理后台、云服务控制台，这些地方一旦误操作，后果可能非常严重。

匹配逻辑是把 glob 转成正则，大小写不敏感：

private static String globToRegex(String glob) {
    StringBuilder regex = new StringBuilder("^");
    for (int i = 0; i < glob.length(); i++) {
        char c = glob.charAt(i);
        switch (c) {
            case '*' -> regex.append(".*");
            case '?' -> regex.append('.');
            default -> regex.append(Pattern.quote(String.valueOf(c)));
        }
    }
    regex.append('$');
    return regex.toString();
}

如果默认规则不够用，你还可以在 ~/.paicli/sensitive_patterns.txt 里追加自定义规则，每行一个 glob，# 开头是注释。比如公司内网的管理后台：

# 公司内部系统
*://admin.mycompany.com/*
*://erp.mycompany.com/*

PaiCLI 启动时会读取这个文件，和默认规则合并。文件不存在也没关系，不会报错。

敏感页面命中后，BrowserGuard 会做分级处理。

读型工具（take_snapshot、take_screenshot、list_pages 等）不受影响，仍然走 server 全放行。因为读操作不会改变页面状态，风险可控。

修改型工具会升级为强制单步审批。这份清单定义在 BrowserGuard.WRITE_TOOLS 里：

private static final Set<String> WRITE_TOOLS = Set.of(
    "click", "drag", "fill", "fill_form",
    "handle_dialog", "hover", "press_key",
    "resize_page", "upload_file", "evaluate_script"
);

click、fill、evaluate_script 这些能改变页面状态的操作，一旦在敏感页面上执行，每次都会弹 HITL 审批窗口，而且不显示“全部放行”选项：

⚠️ 检测到敏感页面，本次操作需单独确认（不接受全部放行）
   当前 URL: https://github.com/settings/profile
   匹配规则: *://github.com/settings/*

请选择操作：[y/Enter] 批准  [n] 拒绝  [s] 跳过  [m] 修改参数

离开敏感页面后（Agent 跳转到了一个非敏感 URL），server 全放行自动恢复，不需要用户重新选择。

验证敏感页面保护：

确保已经执行了 /browser connect，然后：

打开 https://github.com/settings/profile 看一下我的个人信息

Agent 调用 navigate_page 跳转到 Settings 页面时，你会看到 HITL 审批弹窗，提示“检测到敏感页面”。批准后，Agent 会用 take_snapshot 读取页面内容（读型操作不弹窗）。如果 Agent 想执行 click 或 fill 去修改信息，又会再次弹窗。

07、标签页防误关

shared 模式下还有一个风险：Agent 可能会关掉你正在用的标签页。

你开着 7 个标签页在工作，GitHub PR 在第三个，飞书文档在第五个。Agent 执行完任务后想“收拾一下”，调了 close_page 把你的 GitHub 关了。

这种事情绝对不能发生。

PaiCLI 的方案是 BrowserSession 里维护一个 agentOpenedTabs 集合，记录 Agent 自己通过 new_page 打开的标签页 ID：

private final Set<String> agentOpenedTabs = new LinkedHashSet<>();

public synchronized void recordOpenedTab(String pageId) {
    if (pageId != null && !pageId.isBlank()) {
        agentOpenedTabs.add(pageId);
    }
}

public synchronized boolean isAgentOpenedTab(String pageId) {
    return pageId != null && agentOpenedTabs.contains(pageId);
}

当 Agent 调用 new_page 打开一个新标签页后，BrowserGuard.applyAfterExecution() 会从返回结果里解析出 pageId 并记录下来。之后 Agent 调用 close_page 时，BrowserGuard.check() 会检查目标 pageId 是不是在 agentOpenedTabs 里：

if ("close_page".equals(localTool)
        && session.mode() == BrowserMode.SHARED
        && !session.isAgentOpenedTab(pageId(args))) {
    return BrowserCheckResult.block(
        "shared 浏览器模式下拒绝关闭非 PaiCLI 创建的标签页，请手动关闭该 Chrome 标签页",
        metadata);
}

验证标签页保护：

先在 Chrome 里手动打开几个页面，然后在 PaiCLI 里：

帮我关掉知识星球的tab页

Agent 会尝试调用 close_page，然后被策略层拦住，返回“策略拒绝”。

08、提示词升级

Agent 的系统提示词也需要同步更新，让它知道 shared 模式下该做什么。

三处提示词（Agent、PlanExecuteAgent、SubAgent）都加了一段：

浏览器登录态：
- 默认 isolated 模式：临时 user-data-dir，无 cookie / 登录态
- 用户执行 /browser connect 后进入 shared 模式：复用带登录态的调试 Chrome
- shared 模式下你看到的页面是用户的真实账户视图
- 不要做用户没明确要求的写入：不要点关注/取消关注/删除/退出登录/修改设置等按钮
- 不要在表单里填用户没给你的数据
- 不要执行 evaluate_script 跑用户没要求的脚本
- close_page 只能关你自己 new_page 出来的 tab
- 如果不确定某个操作是否会影响用户账户数据，先问用户确认

09、PaiCLI 如何写到简历上

项目名称：PaiCLI — Session-Aware Browser Agent CLI

项目简介：基于 Java 实现的 AI Agent 命令行工具，支持 Chrome DevTools MCP 的 isolated/shared 双模式运行，在复用用户真实浏览器登录态的同时，通过敏感页面策略和标签页保护机制确保账户安全。

核心职责：

设计并实现 BrowserSession 浏览器会话状态管理器，支持 isolated/shared 双模式运行时切换，采用 synchronized 同步机制保证多线程状态一致性
实现 CDP 自动连接机制，Agent 检测到需要登录态时通过 --autoConnect 自动发现并连接本机开启远程调试的 Chrome 实例，切换失败自动降级回 isolated 模式
设计 BrowserGuard 策略执行层，对 chrome-devtools 28 个工具的调用实施分级安全检查，改写型工具在敏感页面命中时强制单步 HITL 审批，绕过 server 全放行许可
实现 SensitivePagePolicy 敏感页面识别引擎，内置 14 条默认 glob 规则覆盖银行、支付、云控制台等高危场景，支持用户级 ~/.paicli/sensitive_patterns.txt 规则追加
设计标签页所有权追踪机制，通过 agentOpenedTabs 集合记录 Agent 自创建的标签页 ID，shared 模式下 close_page 硬保护拦截非自创建标签页的关闭操作