適合跟 AI 一起協作的瀏覽器
ego (lite) 跟其他瀏覽器差在一件事：你跟 agent 可以同時操作同一個瀏覽器，而且不會互相干擾。你照常開自己的分頁，agent 在自己的 Space 裡跑；碰到要登入時，它把控制權交給你，登入完成後再接著做。
它本身就是一個瀏覽器（目前只有 macOS 版）。第一次開起來會問你要不要把 Chrome 的資料搬過來，還有效的登入狀態可以直接沿用。遇到 cookie 過期、2FA 或 SSO，它不會代替你登入，而是把瀏覽器交回給你。帳號、密碼和驗證碼由你自己輸入，完成後再把控制權交回 agent，讓它從同一頁接著跑。
這篇分享：我已經拿它跑過的一個真實任務——Day 256 那篇整理出來的開發票 skill，這次在瀏覽器上點來點去的換成了它——還有它在解什麼問題、Space 怎麼讓 agent 不跟我搶分頁、跟我現在的 Chrome CDP 做法差在哪。
自動化真正的門檻在登入
ego (lite) 自己的說法是，現在有兩類東西在做這件事，兩類都有它認為沒處理乾淨的地方：
- 自動化框架（Browser-Use、Vercel 的 agent-browser）：要另外開一個瀏覽器來驅動，登入狀態帶不過去，而且你跟 agent 會搶同一組分頁
- AI 瀏覽器（ChatGPT Atlas、Perplexity Comet）：內建一個 agent，只有那個 agent 動得了它
我自己踩到的是第一類的後半段——登入我用別的方式繞掉了，分頁沒有。而且例子就在我自己的專案裡。
我現在的做法，跟它沒解掉的那一半
我的發文腳本走 Chrome CDP（Chrome DevTools Protocol，Chrome 自己開出來讓程式控制瀏覽器的那層介面）。開一個帶除錯埠（讓程式從外面連進來的那個門牌號碼）的 Chrome，指定一個獨立的 profile 目錄（這個瀏覽器自己的一份使用者資料，跟你平常用的那份分開）：
"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" \
--remote-debugging-port=9222 \
--user-data-dir="$HOME/.chrome-debug-profile"
這個 profile 我一次登入 Threads、Facebook、LinkedIn，之後腳本用 Playwright（一套控制瀏覽器的程式庫）從 9222 這個埠接上去，登入問題就真的解掉了，不用每次重來。
沒解掉的是分頁。那個視窗我自己也在用，所以我的腳本裡（src/lib/chrome.ts）有一整段程式碼是在處理「這個分頁是誰的」——因為操作者自己的 Threads、LinkedIn 分頁就在同一個視窗裡，「腳本跑完就把分頁關掉」是錯的規則，只能關自己開的那一個。
那段邏輯存在的唯一理由，就是人跟 agent 共用同一個視窗。
Space 是給 agent 自己的工作區
ego (lite) 處理這件事的方式叫 Space——同一個瀏覽器裡切出互相隔離的工作區。你照常開你的分頁，agent 在它自己的 Space 裡跑。官方說法是你的分頁除非明確交給它，否則不會被動到，它也不會搶你的滑鼠和焦點。
多個 agent 可以各跑各的：Claude Code 在自己的幾個 Space 處理資料，Codex 同時在另外幾個 Space 爬網站，互不干擾。
我以為是 MCP server，結果是一個 skill
這點跟我原本猜的不一樣。我以為會是 MCP server（要另外跑一個服務、讓 AI 連上去用的那種外掛），結果是一個叫 ego-browser 的 skill（一份讓 agent 照著跑的說明書），安裝時放進 agent 的 skills 目錄，agent 把它當成一般終端機指令呼叫。沒有程式介面（SDK）要接，條件只有一個：你的 agent 能跑終端機指令。
官網列出來支援的 client 包含 Claude Code、Codex、Cursor、Continue、Gemini CLI、Kiro、Hermes Agent、OpenClaw、OpenCode，還有自己寫的 agent。
呼叫方式也跟我想的不同。它給的工具是 snapshot（把頁面讀成文字）、fill（填欄位）、click（點）、wait（等）、navigate（換頁）、capture（截圖）這六個，但 agent 不是呼叫一個、看結果、再呼叫下一個。它讓 agent 寫一段 JavaScript，把好幾步串成一段，一次在頁面上跑完。官方的講法是「code base, not CLI base」。頁面元素用 @N 這種編號指定，官方說 class name 改掉了還是抓得到。
snapshot 是做在他們自己那版 Chromium（Chrome 的核心，各家瀏覽器共用的那一層）裡，不是從外面注入一段 JavaScript 去讀頁面，所以官方主張那些「頁面裡又嵌了另一個網頁」的區塊——跨來源 iframe、shadow DOM，像 Stripe 的付款欄位、Intercom 的客服對話框——一樣讀得到。
兩邊攤開來比
| Chrome CDP + debug profile（我現在） | ego (lite) | |
|---|---|---|
| 登入狀態 | 自己先把三個平台一個一個登入過 | 狀態有效時直接沿用；失效時交給人登入，再接著跑 |
| 分頁衝突 | 同一個視窗，要自己寫歸屬規則 | Space 隔離，各跑各的 |
| 怎麼接上 agent | Playwright 連 CDP，接法自己寫 | ego-browser skill，agent 直接叫 |
| 頁面怎麼給模型看 | 自己決定抓哪些 DOM | 內建 snapshot，直接給整理過的語意結構 |
| 支援平台 | macOS、Windows、Linux 都可以 | 目前只有 macOS |
| 費用 | 免費 | 免費（repo 是 MIT，瀏覽器本體是另外下載） |
平台這一項我今天重新查過：Windows 和 Linux 還在 roadmap 上，macOS 版 Apple Silicon 和 Intel 各有一版。
我實際拿它做的第一件事
Day 256 那篇最後把流程做成了 skill。這次再開一張，實際在瀏覽器上操作的就是 ego (lite)。
我把要開給誰、金額多少講給 agent 聽，它先打開財政部的電子發票整合服務平台。這個平台的登入狀態很快就會失效，所以到登入頁時，agent 把控制權交給我。我自己完成登入，再把控制權交回去；它就從同一頁接著跑，一路把發票填好，停在最後一步等我確認。內容對了，我才按下開立。
這個流程有兩次交接。第一次登入由我接手，帳號、密碼和驗證碼不用交給 agent；第二次開立前再交給我確認，因為發票開錯要作廢、要重開，不是改個字就算了。中間那一串選單和欄位由它處理，把結果攤開給我看——這個分寸拿捏得剛剛好。
重點不是財政部平台能一直保持登入；它的登入狀態其實很快就會失效。重點是人和 agent 可以在同一個流程裡交接控制權：該我輸入敏感資料時我接手，登入後它再從原地繼續。
還沒搬過去的是發文腳本
開發票是最後一步有我把關的任務。發文不一樣，按下去就出去了，所以我還沒動它。
要搬之前有三件事得先弄清楚：
一、跟現有的 CDP 流程會不會打架。 我的發文腳本綁死 9222 埠和 ~/.chrome-debug-profile。ego (lite) 是另一個瀏覽器，兩邊同時開起來會不會搶 profile、搶埠、搶登入狀態，這要實際跑一次才知道。
二、snapshot 到底快多少、省多少 token。 官方兩個地方寫的速度數字還不一樣：GitHub 上寫比 Vercel 的 agent-browser 快「up to 2.5×」，官網寫「up to 3.45x」，而且都是拿自己的 benchmark 講的。token 那一項官方沒給數字，我要自己比一次。
三、隱私。 它說瀏覽資料不上傳，安裝過程只記錄你有沒有選擇搬 Chrome 資料。密碼、cookie、agent 讀過的頁面都留在本機——這句我要自己確認一次，不是看官網寫了就算。
想自己裝的話
兩步。先到官網下載瀏覽器本體（macOS，Apple Silicon 和 Intel 各一版），第一次開起來會問你要不要把 Chrome 的資料搬過來，搬了才有登入狀態可以繼承。然後裝 skill：
npx skills add citrolabs/ego-lite
第一個任務在 agent 裡打 /ego-browser，後面用白話講要做什麼。挑一個需要登入、但只會讀資料、不會改到東西的頁面。到登入頁時由你接手，登入後再把控制權交回去，接著看它能不能從原地繼續、你的分頁有沒有被動到。
如果你常叫 AI 幫你操作登入後的網站，我會推薦試試這種做法。登入和最後確認由你接手，中間重複的網頁操作交給 agent，省掉很多點選，也不用把帳號、密碼和驗證碼交出去。
參考來源：
- ego (lite) 官網：https://lite.ego.app/
- GitHub repo（citrolabs/ego-lite，MIT）：https://github.com/citrolabs/ego-lite
- 文件：https://lite.ego.app/document/
- Windows / Linux 進度：https://lite.ego.app/roadmap