智能体框架的惨痛教训
不要包装大语言模型，也不要包装它的工具。
一个 SKILL.md 和一些 Python 辅助函数。LLM 拥有完全的自由。如果缺少什么，它就自己写。
学习
几个月前，我们写了 智能体框架的惨痛教训。论点是：不要用抽象层包裹 LLM。先给出最大化的动作空间，然后再加以限制。
我们仍然在包裹它的工具。
每一个 click()、type()、scroll() 辅助函数，都是你替模型决定它需要的抽象。每一个都是经过强化学习训练的模型必须绕开的约束。
为什么用原始 CDP
当我们构建 Browser Use 的第一个版本时，我们发布了数千行的元素提取器、DOM 索引器和点击包装器。
LLM 懂 CDP。它们是在数百万个 Page.navigate、DOM.querySelector、Runtime.evaluate 词元上训练出来的。
CDP 是 Chrome 暴露的最低层级。直接把它交给模型：
- 跨源 iframe。 直接附加到目标上，无需与任何框架抽象作斗争。
- Shadow DOM。 像模型见过上万次那样遍历
shadowRoot.querySelectorAll。 - 反机器人注入。 这是 Chrome 在和它自己对话。
我们错在哪里
几个月前，我们在这个博客上写了 更贴近底层：从 Playwright 转向 CDP。那篇文章的结论是：“我们的智能体不应该为了完成任务而必须了解 CDP Target 的种种细节。”
事实证明我们错了。
那篇文章列出了 Chrome 标签页可能崩溃的十种方式。我们构建了看门狗服务来捕捉每一种——标签页崩溃、target 分离、渲染进程内存耗尽、zygote 进程死亡、GPU 进程崩溃。每一种都有一个处理器。每个处理器都必须与 Chrome 的内部实现保持同步。
给 LLM 直接的 CDP 访问权限，以及编辑自身运行框架的能力，它就能自己处理所有这些。页面挂了、target 附加错了、Chrome 卡住了——智能体读取错误，重新附加到一个新的 target，然后重试。它不需要看门狗。它读过上万篇关于 Chrome 崩溃的帖子。它早就知道该怎么办。
我们试图隐藏的“CDP 的复杂性”并不是需要隐藏的东西。而是应该让模型看到的东西。
四个文件
这就是整个运行框架：
run.py（13 行）——运行预加载了辅助函数的普通 Pythonhelpers.py（192 行）——CDP 的薄封装，由智能体编辑daemon.py（220 行）——保持 CDP websocket 连接存活SKILL.md——告诉智能体如何使用上述内容
总共约 600 行。
智能体编写 Python。Python 导入辅助函数。辅助函数与 CDP 对话。Chrome 照令行事。Chrome 之上的一切都是可重写的。
自愈循环
当缺少某个工具时，情况是这样的。
当缺少一个辅助函数时，智能体会做任何 Claude Code 用户都会做的事：grep helpers.py，添加函数，重新运行。
我们没有告诉它这样做。我们只是给了它 Claude Code 正常的 Read/Edit/Write 加上 CDP 访问权限。编码智能体本来就知道如何修复缺失的导入。
关键在于：智能体并不是从零开始编写新代码。它只是在编写那个缺失的函数，就像它在任何代码库中修复缺失的导入一样。
神奇时刻
上传。 我们忘了添加 upload_file()。任务进行到一半，智能体遇到了一个文件输入框，grep 了 helpers.py，什么也没找到，于是用原始的 DOM.setFileInputFiles 写了这个函数，并上传了文件。我们是在读 git diff 时才发现的。
分块上传。 写完 upload_file 之后，智能体尝试上传一个 12MB 的文件。CDP websocket 的负载上限约为 10MB。它撞上了限制，读取了错误信息，然后切换到了分块上传模式。
Gusto 日历集成。任务：将每位员工的生日添加到我们的共享日历中。需要导航到 Gusto 的员工标签页，从 DOM 中提取日期，然后创建 Google 日历事件。
Azure 管理员角色。Azure 的管理门户是 iframe 中层层嵌套的面板。原始 CDP 通过坐标级 Input.dispatchMouseEvent，在合成器层面穿透。
试一试
Claude Code 或 Codex 的设置提示词：
Set up https://github.com/browser-use/browser-harness for me.
第一个找到它失败任务（非验证码/双因素认证）的人将获得一台 Mac Mini。说真的。我已经尝试破解它一周了，但做不到。
仓库：github.com/browser-use/browser-harness
智能体框架的苦涩教训：你的辅助工具也是抽象。删掉它们。让智能体自己编写它需要的东西。