AIPex

GitHub
1.1k 112 非常简单 2 次阅读 昨天MIT语言模型插件Agent
AI 解读 由 AI 自动生成,仅供参考

AIPex 是一款开源的浏览器自动化助手,它直接作为扩展程序运行在你日常使用的 Chrome 或 Edge 浏览器中。不同于其他需要安装独立浏览器、订阅昂贵服务或上传用户数据的自动化工具,AIPex 坚持“零迁移”和“隐私优先”的理念:你无需改变现有的浏览习惯,数据完全保留在本地,且支持自带 API 密钥(BYOK),确保透明与安全。

它主要解决了传统自动化工具使用门槛高、隐私风险大以及工作流割裂的问题。用户只需安装扩展,通过自然语言输入或语音指令,即可让 AI 代理直接在当前页面执行复杂操作。

AIPex 非常适合希望提升效率的普通用户、需要测试网页流程的研究人员,以及追求数据可控的开发者。其独特的技术亮点在于对模型上下文协议(MCP)的支持,能够无缝连接 Cursor、Claude Code 及 VS Code Copilot 等主流 AI 编程助手。这意味着开发者可以让代码 Agent 直接操控浏览器进行调试或交互,构建起从代码编辑到浏览器执行的完整自动化闭环,真正实现了“你的浏览器本就足够强大”。

使用场景

某电商数据分析师需要每日从多个竞品网站抓取价格变动、库存状态及用户评价,并整理成日报发送给团队。

没有 AIPex 时

  • 环境割裂严重:传统自动化工具(如 Dia 或 Comet)要求安装独立的专用浏览器,导致无法直接使用日常工作中已登录账号、保存了 Cookie 和插件的主浏览器环境。
  • 隐私与安全顾虑:使用云端自动化服务往往需要将浏览数据上传至第三方服务器,对于处理敏感商业数据的分析师而言存在泄露风险。
  • 操作繁琐低效:每次运行脚本需切换窗口或启动新程序,遇到网站结构微调时,非技术人员难以快速调整复杂的代码逻辑,维护成本极高。
  • 额外费用负担:主流智能浏览器助手通常采用按月订阅制,增加了个人或小团队的运营成本。

使用 AIPex 后

  • 零迁移无缝集成:AIPex 直接作为扩展程序运行在分析师现有的 Chrome 或 Edge 浏览器中,自动复用当前的登录状态和历史记录,无需任何环境配置。
  • 数据本地化保障:依托“隐私优先”架构,所有数据处理均在本地完成,支持自带 API 密钥(BYOK),确保核心商业数据绝不流出本地机器。
  • 自然语言驱动:分析师只需用中文输入“抓取这三个页面的价格并填入 Excel",AIPex 即可理解意图并执行操作,大幅降低了自动化门槛。
  • 开源免费可控:基于 MIT 协议开源,不仅免去了订阅费用,还允许技术团队根据特定需求审计代码或进行二次开发。

AIPex 通过将 AI 自动化能力直接注入用户熟悉的浏览器环境,彻底消除了工具迁移成本与隐私担忧,让数据采集像日常聊天一样简单高效。

运行环境要求

操作系统
  • Windows
  • macOS
  • Linux
GPU

未说明

内存

未说明

依赖
notes该工具主要是一个浏览器扩展(支持 Chrome 和 Edge),无需安装独立的浏览器或复杂的本地深度学习环境。若需与 AI 编程助手(如 Cursor、Claude Code)集成,需安装 Node.js 并通过 npx 运行 'aipex-mcp-bridge'。数据在本地处理,支持自带 API 密钥 (BYOK)。
python未说明 (核心功能为浏览器扩展,MCP 桥接器需通过 npx 运行 Node.js 环境)
Google Chrome 或 Microsoft Edge 浏览器
Node.js (用于运行 aipex-mcp-bridge)
npx
AIPex hero image

快速开始

AIPex 浏览器自动化

您的浏览器已经可以使用了!

Chrome Web Store Edge Add-ons

License: MIT
Discord X/Twitter YouTube

English | 中文 | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский


AIPex — 一个开源的浏览器自动化代理,直接运行在您现有的浏览器中。

  • 零迁移:无需安装新浏览器,也无需学习新的工作流程。
  • 开源:采用 MIT 许可证,完全透明、可审计且可扩展。
  • 隐私优先:您的数据永远不会离开您的设备。自带密钥(BYOK)。

我们为什么开发它

目前所有的浏览器自动化工具都要求您:

  • 安装一个独立的浏览器(如 Dia/Comet)
  • 支付月度订阅费用(如 ChatGPT Atlas)
  • 交出您的浏览数据

我们问自己:为什么自动化不能直接在您已经使用的浏览器中运行呢?

AIPex 就是答案。只需安装扩展程序,带上您自己的 API 密钥,就可以在您日常工作的地方直接自动化任何任务。


快速开始

  1. 安装Chrome Web StoreEdge Add-ons
  2. 打开 — 点击 AIPex 图标
  3. 自动化 — 用自然语言输入或说出您想要的操作

与 AI 编码代理(MCP)结合使用

AIPex 现在支持 模型上下文协议 (MCP),使像 Cursor、Claude Code 和 VS Code Copilot 这样的 AI 编码代理可以直接控制您的浏览器。

AI 代理 ──stdio──▶ aipex-mcp-bridge ──WebSocket──▶ AIPex 扩展 ──▶ 浏览器

第一步:配置您的代理

Cursor.cursor/mcp.json)· Claude Desktopclaude_desktop_config.json)· Windsurfmcp_config.json):

{
  "mcpServers": {
    "aipex-browser": {
      "command": "npx",
      "args": ["-y", "aipex-mcp-bridge"]
    }
  }
}

Claude Code

claude mcp add aipex-browser -- npx -y aipex-mcp-bridge

VS Code Copilot.vscode/mcp.json):

{
  "servers": {
    "aipex-browser": {
      "command": "npx",
      "args": ["-y", "aipex-mcp-bridge"]
    }
  }
}

第二步:连接扩展程序

  1. 打开 Chrome → AIPex 图标 → 选项
  2. 将 WebSocket URL 设置为 ws://localhost:9223
  3. 点击 连接

现在,您的代理可以通过 MCP 使用超过 30 种浏览器自动化工具。更多高级选项请参阅 mcp-bridge/README.md


技能

AIPex 自带一个 aipex-browser 技能包——这是一个即用型技能包,适用于支持技能协议的代理(例如 Claude Code 和兼容 OpenClaw 的运行时)。

该技能包包含了工具的使用策略、所有 30 多种浏览器工具的完整参数模式以及常见的自动化模式,因此代理无需从头探索工具,就能有效地控制浏览器。

完整的技能定义请参阅 skill/SKILL.md


演示

“我打开了 100 个标签页,请帮忙。”

https://github.com/user-attachments/assets/4a4f2a64-691c-4783-965e-043b329a8035

“在我不离开浏览器的情况下研究这个主题”

https://github.com/user-attachments/assets/71ec4efd-d80e-4e8f-8e39-88baee3ec38e

“帮我写一条推文”

https://github.com/user-attachments/assets/81f6b482-84d0-4fd9-924b-dca634b208ec

“帮我通过这次考试”

https://github.com/user-attachments/assets/ba454715-c759-41df-bf87-e835f76be365


路线图?

  • 页面理解

    • 可访问性树

    • 优化后的 DOM

    • 视觉处理

  • 上下文工程

    • 基于搜索的检索

    • 删除未使用的快照

    • 基于 ID 的操作

  • 集成

    • Cursor

    • Claude Code

  • 技能

    • 文件系统

    • 脚本执行

  • 评估 - Online-Mind2Web

为什么浏览器自动化需要调试器?


贡献

我们非常欢迎贡献!请参阅 DEVELOPMENT.md 获取设置说明。

贡献者


星标历史

Star History Chart


由 AIPex 团队用心打造

GitHub Chrome Edge

版本历史

v0.1.02026/03/11
v0.0.162026/01/14
v0.0.152026/01/12
v0.0.142026/01/08
v0.0.132026/01/08
v0.0.122026/01/08
v0.0.112026/01/08
v0.0.102026/01/08
v0.0.92026/01/08
v0.0.82026/01/08
v0.0.72026/01/07
v0.0.62026/01/06
v0.0.52026/01/06
v0.0.42026/01/06
v0.0.32026/01/06
v0.0.22026/01/06
2.2.302025/11/27
2.2.282025/11/06
2.2.222025/10/26
1.0.02025/09/11

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架