DOMShell 是一个 Chrome 扩展，将浏览器映射为虚拟文件系统。窗口和标签页成为顶层目录（~）。每个标签页的可访问性树成为嵌套文件系统，其中容器元素是目录，按钮、链接和输入是文件。用户可以通过 Chrome 侧边栏中的终端使用标准 Linux 命令（ls、cd、cat、grep、click 等）浏览网页。
用途
DOMShell 旨在让 AI 智能体和人类以熟悉的文件系统方式浏览和操作网页。传统上 AI 智能体与网站交互依赖于截图、像素坐标或脆弱的 CSS 选择器，DOMShell 则暴露浏览器自身的可访问性树，提供确定、语义化且适用于任何网站的文件系统抽象，无需特定网站适配器。
主要能力
智能体可以：使用 ls ~/tabs/ 浏览标签页，使用 cd ~/tabs/123 切换标签页；使用 ls 和 tree 探索页面，无需解析截图；使用 cd navigation/ 导航到区块，无需猜测坐标；使用 click submit_btn 操作元素，无需脆弱的 DOM 查询；使用 cat 读取内容或使用 text 批量提取，无需抓取 innerHTML；使用 find --type combobox 搜索元素，无需编写选择器。
DOMShell 自动检测页面变化（导航、DOM 变动、点击导致的内容更新），无需手动刷新。支持命令链式调用（Bash 风格组合），管道操作符（|）过滤输出，路径解析支持相对路径，支持兄弟导航（--after 和 --before 标志）。Tab 键自动补全命令和元素名，支持粘贴多行文本。
使用方式
安装方式：可从 Chrome 网上应用店安装（推荐，无需构建步骤），或加载到 Chrome：打开 chrome://extensions/，启用开发者模式，点击加载已解压的扩展程序，选择 dist/ 文件夹，点击工具栏中的 DOMShell 图标打开侧边栏。
打开任意网页，然后打开 DOMShell 侧边栏即可看到终端。从 ~ （浏览器根）开始，可使用 here 跳转到当前活动标签页，或使用 ls 探索。
标签组（隔离）：默认在共享模式下操作整个浏览器。group 命令可将会话放入独立的 Chrome 标签组中，使智能体在明确标记的通道中工作，同时用户可在其他标签页自由浏览。子命令：group（状态）、group new [name]、group attach <id>、group detach、group close、group list。
多会话：每个 DOMShell 客户端获得自己的会话通道——每个侧边栏窗口、每个 MCP 连接均隔离。可通过 group list 查看所有活动通道，group close <id> 关闭指定通道。
MCP 客户端连接：DOMShell 包含一个加固的 MCP 服务器，允许任何兼容 MCP 的客户端通过 DOMShell 命令控制浏览器。服务器作为独立 HTTP 服务运行，可同时连接多个客户端。支持三种安装路径，路径 1（默认推荐）通过 npm 安装或直接运行。快速设置向导可检测已安装的 MCP 客户端（Claude Desktop、Cursor、Windsurf），生成共享令牌并写入各客户端配置。服务器启动两个监听器：HTTP 端口（默认 3001）用于 MCP 客户端，WebSocket 端口（默认 9876）用于 Chrome 扩展桥接。
连接扩展：在扩展选项页启用 MCP Bridge 开关，粘贴令牌，保存后状态指示器变绿表示已连接。也可从 DOMShell 终端连接。
安全：MCP 服务器默认只读，Claude 可以浏览但不能点击或输入。安全层级包括 --allow-write、--allow-sensitive 和 --domains 限制。令牌通过 chrome.storage.local 存储，无效令牌的 WebSocket 连接被拒绝。所有命令记录到 audit.log 并带时间戳。
domshell_execute 接口：默认暴露单个工具 domshell_execute，传递命令字符串，支持多命令调用（换行分隔，按顺序运行，输出合并返回）。使用 --granular 可启用逐命令工具，安全性与默认模式相同。
适用场景
适用于需要 AI 智能体自动化操作网页的场景，如浏览标签页、探索页面结构、导航区块、点击元素、读取内容、搜索元素等。也适用于希望以命令行方式浏览网页的人类用户。
限制
资料未提供具体的定价、收费模式、平台兼容性细节（除 Chrome 外）、性能数据或效果承诺。使用 MCP 功能需要额外配置服务器和客户端。
