有没有想过，怎么能让AI自动操作浏览器，执行各种繁琐的网络任务？Nanobrowser 正是为此而生——一款基于多智能体架构的开源浏览器自动化工具，以 Chrome 扩展的形式运行，让你用自然语言就能指挥 AI 完成复杂操作。作为 OpenAI Operator 的免费替代方案，它还支持灵活选择大语言模型提供商，并且所有数据都本地掌控、完全私密，连接自选的 LLM 服务即可。
简单来说，Nanobrowser 让浏览器自己“干活”——无论是重复性的表单填写、数据抓取，还是复杂的研究流程，都可以交给它。系统完全在浏览器内运行，你的凭证和信息不会外泄，只需配置好 LLM 的 API 密钥即可。
核心功能
Nanobrowser 的能力聚焦于那些通常需要手动导航和交互的网络任务。它能够理解自然语言指令，并自动完成点击、输入、提取信息等操作。对于重复性工作、研究活动以及数据收集流程来说，这个工具的价值尤为突出——手动做这些事往往耗时长、易出错，但 AI 可以不知疲倦地执行。
系统架构概述
Nanobrowser 采用多智能体架构，由多个专门的人工智能智能体协同工作。宏观上看，系统包含三大组件：
- 用户界面：侧边栏，用于输入任务并查看结果。
- 多智能体系统：核心大脑，由三个专门的智能体组成。
- 浏览器集成：让系统能够与网页交互的桥梁。
工作原理
它是如何运作的呢？流程清晰而流畅：
- 任务输入：在侧边栏用自然语言下达指令。
- 任务规划：规划智能体分析请求，制定详细步骤。
- 网页执行：导航智能体控制浏览器执行计划。
- 结果验证：验证智能体检查任务是否完成正确。
- 用户反馈：展示结果，你可继续追问或调整。
整个交互流程就像一支配合默契的团队：先想好怎么做，再动手干，最后复核一遍，确保万无一失。
扩展组件
作为 Chrome 扩展，Nanobrowser 的架构由多个关键组件协同构成，包括后台脚本、内容脚本及与浏览器的通信层，所有这些都在浏览器沙箱内安全运行。
LLM 提供商集成
在模型选择上，Nanobrowser 的灵活性令人印象深刻。它支持配置以下模型：
- OpenAI（GPT 系列）
- Anthropic（Claude 系列）
- Google（Gemini 系列）
- DeepSeek
- Ollama（本地模型）
- 自定义 OpenAI 兼容端点
更妙的是，你可以为不同的智能体分配不同的模型。例如，规划智能体使用推理能力更强的复杂模型，而导航智能体则用更快、成本更低的小模型。这种按需分配的策略，让用户能根据自己的预算和性能要求优化体验。
入门指南
上手并不复杂：
- 从 Chrome 网上应用店安装扩展，或从 GitHub 发布页面手动安装。
- 打开扩展，进入设置页面。
- 配置 LLM 提供商：添加 API 密钥。以硅基流动为例，选择“OpenAI-compatible API Provider”，填入 API Key 和 Base URL 即可。
- 为每个智能体选择对应的模型。
- 回到主界面，开始输入任务。试试“打开百度网页”——看，页面瞬间跳转，成功了！
开发方式
Nanobrowser 以单体仓库（monorepo）形式构建，采用模块化架构，便于扩展和维护。代码库分为几个关键目录，涵盖扩展核心、智能体逻辑和 UI 组件，开发者可以轻松理解并贡献代码。
总的来说，Nanobrowser 把 AI 袋里的能力直接带进了浏览器，让自动化不再只是技术人员的专属工具。无论你是想节省日常操作时间，还是构建复杂的数据采集流水线，这个开源项目都值得一试。项目地址在 GitHub 上（nanobrowser/nanobrowser），不妨看看它的 Star 数——5.5k 的认可，说明社区对它的期待和信任。