aginxbrowser

AginxBrowser 是一个从底层为 AI 智能体构建的浏览器，而非将人类浏览器简单改造为自动化工具。它以单个 Rust 二进制文件交付，内置 V8 引擎，无需 Chromium、Puppeteer、Playwright 或 Docker，通过 HTTP API 作为完整接口，智能体可直接接入使用。

用途

AginxBrowser 面向智能体的实时检索与交互需求：智能体带着问题访问页面、读取内容、执行操作并保留状态。它明确不是爬虫工具，没有爬取端点或链接递归跟随，每次页面加载都由智能体主动请求触发。

主要能力

• 分层渲染：静态页面通过普通 HTTP 获取（约 100ms）；仅在需要 JS 渲染时启动 V8（约 1-2 秒）。每个响应通过 tier 字段报告实际使用的路径。
• 多引擎元搜索：覆盖通用网页（百度、必应、搜狗、微信、DuckDuckGo、Wikipedia、Hacker News）、新闻、代码（Stack Overflow、GitHub、MDN）、包（npm、PyPI、RubyGems）、学术（arXiv、OpenAlex）、AI 模型（Hugging Face）等 20 个引擎、7 个类别，并发查询、合并去重。
• 交互式会话：支持持久浏览器会话，提供 state/click/input/scroll/eval 等索引化交互；session_export 可将操作导出为可运行的 curl 重放脚本或 JSON 流程文档；session_viewport 模拟设备视口，session_wait 等待选择器或谓词，session_screenshot 渲染实时状态，session_console 回放控制台，session_storage 导出/恢复 cookies 与 localStorage。
• TLS 指纹伪装：stealth 模式通过 BoringSSL 模拟 Chrome145 / Firefox133 / Safari / Edge 的完整 TLS 握手，可按请求切换；自动等待 Cloudflare Turnstile 挑战的 cf_clearance。
• 状态化会话：登录状态可注入和导出（session_create(cookies=...) ↔ session_cookies），支持分页和多步流程；persistent: true 可跨空闲驱逐和服务器重启保持同一会话 ID 登录状态。
• 截图渲染：/screenshot 端点（需 --features screenshot）使用 diting 渲染引擎将 JS 渲染后的 DOM 绘制为 PNG，纯 CPU、无 Chromium，为智能体提供视觉输入。
• 时间线视频：/video 将页面动画时间线渲染为 MP4，页面脚本在 window.__timelines 注册 GSAP 风格时间线，逐帧定位并绘制视口，帧数据通过 ffmpeg 输出 H.264/yuv420p，确定性可复现。
• 页面集导出：/pdf 将渲染页面切分为页并打包，支持打印模式（默认 A4 @96dpi）和幻灯片模式；可导出为基于图像的 PDF、PPTX、DOCX，均为手写实现、字节确定性、零新增依赖。
• 本地缓存：每次抓取/搜索存入 SQLite（FTS5）于 ~/.aginxbrowser/cache.db，TTL 内重新抓取直接返回已读内容，支持 CJK 子串匹配、[§ heading] 分节感知片段、按 URL 内容哈希检测漂移、按会话作用域隔离。
• 验证码处理：类型检测、自动等待 Cloudflare 挑战，可选 2captcha 集成。
• JS 数据提取：js_extract 从 SPA 中提取 window.__INITIAL_STATE__ 等结构化数据。
• 文档生成：POST /render_markdown 将 markdown 转为确定性、自包含的 HTML 制品，支持 archify 代码块生成内联 SVG 图表，主题和预设可选，quality: "showcase" 作为交付门禁。
• 播放链接嗅探：session_network(filter=media) 提取页面播放器实际请求的 m3u8/mp4/dash URL；GET /session/{id}/har 导出 HAR 1.2 流量。
• 文件下载：流式写入磁盘、SHA-256 完整性校验、断点续传。
• Firecrawl 兼容：/v1/scrape 端点，现有 Firecrawl 客户端只需更改 base URL 即可迁移。
• DNS 重绑定防护：内置 SSRF 防护与解析后 IP 验证。

使用方式

AginxBrowser 以单个 Rust 二进制运行，所有能力通过 HTTP 端点提供，无需 SDK。主要端点包括 /fetch、/search、/screenshot、/video、/pdf、/download、/render_markdown、/v1/scrape、/flow/run、/doctor 以及会话相关端点。完整请求/响应字段见 docs/API.md。

安装要求：Rust 1.78+；V8 静态库在首次构建时自动下载。stealth 功能额外需要 go、cmake 和 C++ 编译器。screenshot 功能内置 CJK 字体子集（GB2312 + 常用符号），无需系统字体即可正确渲染中文。若网络无法访问 rusty_v8 CDN，可预先将对应版本的 librusty_v8.a.gz 放入 ~/.cache/rusty_v8 并解压，构建脚本将跳过下载。

可通过 skills.sh 安装技能触发面，或直接将安装块交给 AI 智能体自行设置。

适用场景

• 在管理控制台（AWS / App Store Connect / Google Play）中逐层操作，仅在需要授权时返回。
• 登录后的批量操作：填充购物车、查询订单历史、访问仅登录可见的页面，注入 cookies 操作后导出复用。
• 穿越反机器人墙：Cloudflare 防护、Turnstile 挑战、TLS 指纹检查。
• 中文互联网：百度/搜狗/微信等 5 引擎元搜索，正确渲染中文页面。
• 即时脚本：智能体读取页面、编写 JS 并执行，生成高亮对比表、重排内容、按隐藏参数过滤商品。
• 多模态视觉：截图作为视觉输入，用于选座、识别布局、验证渲染等判断流程。

限制

• 不是爬虫工具：无爬取端点、无链接递归跟随；内置预算为每域名 20 页/分钟、每交互会话 200 页，可通过环境变量调整（0 表示禁用）。
• robots.txt 默认不强制遵守，需设置 AGINXBROWSER_HONOR_ROBOTS=1 启用 RFC 9309 检查。
• 托管实例（browser.aginx.net）运行更严格的预算，所有用户共享一个出口 IP。
• 视频渲染需要 ffmpeg 在 PATH 中。
• 截图功能需在构建时启用 --features screenshot。
• 部分功能（如 stealth、screenshot）有额外构建依赖。

定位

在计算机使用栈中，AginxBrowser 属于引擎层浏览器：GUI 层栈驱动整个机器（截图输入、鼠标键盘事件输出、每会话一个 VM 或容器），而引擎层浏览器跳过桌面，页面本身就是机器。AginxBrowser 是引擎层实现，Apache-2.0 开源，单二进制自托管，无云锁定。