kernel-images

GitHub
737 47 较难 3 次阅读 2天前Apache-2.0开发框架Agent图像插件
AI 解读 由 AI 自动生成,仅供参考

kernel-images 是一个为自动化任务和 Web 智能代理提供“浏览器即服务”的开源工具。它让你无需本地安装,就能远程调用沙盒化的 Chrome 浏览器,支持 Playwright、Puppeteer 等主流框架连接控制,还提供实时画面直播、回放录像、远程操作等可视化功能。

它解决了开发者在构建浏览器自动化或 AI 代理时面临的环境配置复杂、资源占用高、状态难保持等问题。尤其适合需要稳定复用登录态、调试交互流程或追求低延迟响应的场景。

主要面向开发者与 AI 研究人员,特别是正在构建 Web 自动化脚本、测试系统或基于浏览器的智能体(如自动填表、数据抓取、模拟用户行为)的人群。设计师或产品经理也可借助其可视化界面远程观察自动化运行过程。

技术亮点在于支持 Unikraft 轻量级内核部署:浏览器空闲时自动休眠节省资源,唤醒后精准恢复之前状态(包括页面、缩放、Cookie),冷启动仅需 20ms,兼顾效率与体验。同时支持 Docker 部署,灵活适配不同需求。

使用场景

某跨境电商公司的自动化测试团队,需要每天在真实浏览器环境中运行上千次购物流程测试,覆盖不同国家站点和登录状态,以确保促销活动期间前端功能稳定。

没有 kernel-images 时

  • 每次测试都要从零启动完整 Chrome 实例,冷启动耗时长达 5–10 秒,拖慢整个 CI/CD 流水线
  • 多个测试并行时容易因资源争抢导致浏览器崩溃,需人工重跑,浪费工程师时间
  • 无法保存已登录的会话状态,每次测试都得重新走一遍验证码和登录流程,增加失败率
  • 远程调试只能靠截图或录屏,出错后难以复现用户操作路径,排查效率极低
  • 长时间运行的容器占用大量内存和 CPU,即使空闲也无法自动休眠,造成云资源浪费

使用 kernel-images 后

  • 借助 Unikernel 快照机制,浏览器进入“睡眠模式”后可秒级唤醒,冷启动时间压缩到 20ms 内,测试吞吐量提升 5 倍
  • 每个浏览器实例完全沙箱隔离,支持高并发运行而不互相干扰,测试稳定性达 99.8%
  • 可复用带登录态的浏览器快照,跳过重复认证步骤,让测试聚焦核心购物流程
  • 通过远程 GUI 实时直播或回放视频,测试失败时能精准定位到鼠标点击和页面跳转的瞬间,Debug 时间缩短 70%
  • 空闲时自动进入低功耗待机,内存占用趋近于零,每月节省近 40% 的云服务器费用

kernel-images 让浏览器自动化从“笨重易碎的物理设备模拟”升级为“轻量可复用的云端服务”,真正实现按需调用、随启随停。

运行环境要求

操作系统
  • Linux
GPU

未说明

内存

8GB+

依赖
notes需安装 Docker 或 Unikraft 环境;使用 Unikernel 部署时需至少 8GB 内存,支持快速休眠与恢复;WebRTC 模式需配置 TURN/STUN 服务器;远程 GUI 地址公开,请勿用于敏感操作。
python未说明
kernel-images hero image

快速开始

Kernel Logo

GitHub License Discord Follow @juecd__ Follow @rfgarcia

什么是 Kernel?

Kernel 提供沙箱化(sandboxed)、开箱即用的 Chrome 浏览器,用于浏览器自动化和 Web 代理(web agents)。本仓库为我们的托管服务提供支持。

立即注册 这里

核心特性

  • 沙箱化的 Chrome 浏览器,可被基于 Chrome DevTools 协议的浏览器框架(如 Playwright、Puppeteer)连接
  • 支持远程图形界面访问(实时画面流),便于可视化监控与远程控制
  • 可配置的实时视图设置(只读模式、浏览器窗口尺寸)
  • 支持对浏览器会话进行可控的视频回放

你可以用它做什么

  • 运行基于浏览器的自动化工作流
  • 开发和测试使用浏览器的 AI 代理(AI agents)
  • 构建需要受控浏览器环境的自定义工具

实现方式

该镜像可用于在 Docker 容器中运行带图形界面的 Chromium,或配合 Unikraft unikernel 使用。unikernel 实现基于基础 Docker 镜像,并额外具备以下优势:

  • 当无网络活动时自动进入待机 / “睡眠模式”(此时资源消耗可忽略不计)
  • 进入待机模式时,unikernel 的状态会被快照保存,并可在唤醒时精确恢复(包括浏览器认证 Cookie、本地文件交互、浏览器设置,甚至页面和窗口缩放比例)
  • 极快的冷启动速度(<20ms),适用于任何需要超低延迟事件处理器的应用场景

演示

https://github.com/user-attachments/assets/5888e823-5867-4c01-ad67-ec8989ba9573

在 Docker 中运行

你可以直接构建并运行 Dockerfile 作为 Docker 容器。

cd images/chromium-headful
IMAGE=kernel-docker ./build-docker.sh
IMAGE=kernel-docker ENABLE_WEBRTC=true ./run-docker.sh

在 Unikernel 上运行

你也可以选择在 Unikraft unikernel 上运行浏览器。

1. 安装 Kraft CLI

curl -sSfL https://get.kraftkit.sh | sh

2. 为 CLI 添加 Unikraft 密钥

export UKC_METRO=<region> export UKC_TOKEN=<secret>

3. 构建镜像

IMAGE=YOUR_UKC_USERNAME/chromium-headless-test:latest images/chromium-headless/build-unikernel.sh

4. 运行镜像

IMAGE=YOUR_UKC_USERNAME/chromium-headless-test:latest images/chromium-headless/run-unikernel.shIMAGE=YOUR_UKC_USERNAME/chromium-headful-test:latest VOLIMPORT_PREFIX=official images/chromium-headful/run-unikernel.sh

部署成功后,Kraft CLI 将输出类似如下内容:

Deployed successfully!
 │
 ├───────── name: kernel-cu
 ├───────── uuid: 0cddb958...
 ├──────── metro: <region>
 ├──────── state: starting
 ├─────── domain: https://<service_name>.kraft.host
 ├──────── image: onkernel/kernel-cu@sha256:8265f3f188...
 ├─────── memory: 8192 MiB
 ├────── service: <service_name>
 ├─ private fqdn: <id>
 ├─── private ip: <ip>
 └───────── args: /wrapper.sh

Unikernel 注意事项

  • 该镜像至少需要 8GB 内存。
  • 若需启用 WebRTC 桌面流而非 noVNC,请使用:ENABLE_WEBRTC=true NEKO_ICESERVERS=xxx ./run-unikernel.sh
  • ENABLE_WEBRTC=true 时,部署到 Unikraft Cloud 需要使用 TURN server,因为目前尚不支持直接暴露 UDP 端口。NEKO_ICESERVERS:描述多个 STUN 和 TURN 服务器,ICEAgent 可通过它们与对端建立连接。例如:[{"urls": ["turn:turn.example.com:19302", "stun:stun.example.com:19302"], "username": "name", "credential": "password"}, {"urls": ["stun:stun.example2.com:19302"]}]
  • 多个服务(如 mutter、tint)启动需数秒时间。启动完成后,待机与重启速度极快。
  • Unikraft 部署会生成一个 URL。该 URL 是公开的,意味着任何人只要拥有该 URL 即可访问远程 GUI。请仅用于非敏感的浏览器交互,并在使用完毕后删除 unikernel 实例。
  • 你可以调用 browser.close() 断开与浏览器的连接,当网络活动结束后,unikernel 会进入待机状态。之后可通过 CDP 重新连接实例。browser.close() 仅断开 websocket 连接,并不会真正关闭浏览器。
  • 可通过变量调整 VCPUS 值:VCPUS=8

通过 Chrome DevTools Protocol 连接浏览器

端口 9222 通过 ncat 暴露,允许你连接基于 Chrome DevTools Protocol 的浏览器框架,如 Playwright、Puppeteer(以及基于 CDP 的 SDK,如 Browser Use)。你可以使用这些框架驱动云端的浏览器,也可断开后再重新连接。

首先,获取浏览器的 CDP websocket 端点:

const url = new URL("http://localhost:9222/json/version");
const response = await fetch(url, {
  headers: {
    "Host": "<this can be anything>" // 使用 unikernel 时必需
  }
});
if (response.status !== 200) {
  throw new Error(
    `Failed to retrieve browser instance: ${
      response.statusText
    } ${await response.text()}`
  );
}
// webSocketDebuggerUrl 应形如:
// ws:///devtools/browser/06acd5ef-9961-431d-b6a0-86b99734f816
const { webSocketDebuggerUrl } = await response.json();

然后,连接远程的 Playwright 或 Puppeteer 客户端:

// Puppeteer
const browser = await puppeteer.connect({
  browserWSEndpoint: webSocketDebuggerUrl,
});
// Playwright
const browser = await chromium.connectOverCDP(webSocketDebuggerUrl);

浏览器远程 GUI / 实时视图

你可以使用内嵌的实时视图来监控和控制浏览器。实时视图支持对浏览器的读写操作。二者均映射到端口 443

  • NoVNC:VNC 客户端,支持读写操作。在 ./run-docker.sh 中设置 ENABLE_WEBRTC=false
  • WebRTC:基于 WebRTC 的客户端,支持读写、窗口缩放及复制粘贴功能,比 VNC 快得多。需设置 ENABLE_WEBRTC=true 才可用。

注意事项

  • WebRTC 实现中的音频流当前不可用,有待修复。
  • 实时视图默认为读写模式。可通过在 docker run 中添加 -e ENABLE_READONLY_VIEW=true \ 设置为只读模式。

录像捕获

你可以使用内置的录制服务器,在我们的有头(headful)镜像中捕获整个屏幕的录像。该功能一次仅支持一个录制会话,可通过设置 WITH_KERNEL_IMAGES_API=true 启用。

例如:

cd images/chromium-headful
export IMAGE=kernel-docker
./build-docker.sh
WITH_KERNEL_IMAGES_API=true ENABLE_WEBRTC=true ./run-docker.sh

# 1. 开始新录制
curl http://localhost:10001/recording/start -d {}

# 正在录制中 —— 运行你的 agent

# 2. 停止录制
curl http://localhost:10001/recording/stop -d {}

# 3. 下载录制文件
curl http://localhost:10001/recording/download --output recording.mp4

注意:录制文件被编码为 H.264/MPEG-4 AVC 视频格式。QuickTime 存在已知播放问题,请确保使用兼容的媒体播放器!

文档

本仓库为我们的托管 浏览器基础设施(browser infrastructure) 提供支持。

贡献

提交 Pull Request 或 Issue 前,请先阅读我们的 贡献指南(contribution guidelines)

许可证

详情请参阅 LICENSE 文件。

支持

如遇问题、疑问或反馈,请在此仓库 提交 Issue。你也可以加入我们的 Discord 社区。

致谢

  • 我们的 WebRTC 实现改编自 Neko
  • 感谢 xonkernel 主导开发了我们的 WebRTC 实时预览功能。
  • 感谢 Unikraft Cloud 团队在 unikernel 方面提供的帮助。

Kernel 团队 ❤️ 制作。

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|★★★☆☆|昨天
Agent图像开发框架