jackwener/OpenCLI：把整个互联网变成你的命令行工具，AI Agent 时代的浏览器自动化框架最新版

一、这个项目是什么？

jackwener/OpenCLI 的核心 Slogan 是：「Make Any Website into CLI & Use your logged-in browser by AI agent.」

它由独立开发者 jackwener 创建，目前 GitHub 共 1318 次提交，最新版本 v1.8.0，npm 包名 @jackwener/opencli。被阮一峰科技爱好者周刊收录推荐（Issue #9309 开源自荐），获得大量开发者关注。

简单来说，OpenCLI 解决了 AI Agent 时代的一个核心痛点：大模型看得见世界，却摸不着互联网。 你可以让它写代码、做方案，但让它去小红书看真实种草、去 B 站查热门视频、去知乎挖舆论，它瞬间”失明”。OpenCLI 用一套统一的 CLI 接口，把任意网站、Electron 桌面应用和本地工具全部标准化，让人和 AI Agent 共用同一套工具目录。

二、这个项目适合哪些人？

• AI 开发者 / Agent 用户：想让 Claude Code、Cursor、Codex 等 Agent 能够操作任意网站的开发者
• 效率工具爱好者：想在终端里完成以前要开浏览器才能做的事（刷热榜、查数据、下载资源）
• 自动化工程师：需要稳定、可脚本化的网页数据获取方案，不想被反爬折腾
• 爬虫开发者：不需要写爬虫代码，一条命令搞定数据获取，登录态自动复用
• 命令行重度用户：不想离开终端，想把所有常用网站都纳入 CLI 工作流

三、核心能力：三层自动化接口

第一层：内置适配器 — 100+ 平台开箱即用

OpenCLI 内置了大量经过验证的适配器，覆盖国内外主流平台，不需要任何配置，装完直接用。

国内平台

• B站（Bilibili）：热门视频、评论、视频搜索、视频下载、视频 AI 摘要（v1.8.0 新增）
• 知乎：热榜内容，支持 JSON 输出
• 小红书：创作者笔记列表、爬取分析
• 抖音：发布内容、删除动态
• 微博：热榜、用户搜索、导出指定用户博文（按时间范围）
• 虎扑：社区内容
• 豆瓣：内容抓取
• 1688：电商数据
• 微信读书（weread）：书籍搜索、书内搜索、笔记导出
• 飞书（lark）：消息、文档、表格、日历、任务管理
• 即刻：社区动态

国际平台

• GitHub：trending 榜单（通过插件）
• Twitter/X：热榜内容
• Reddit：热帖内容
• HackerNews：热门帖子
• YouTube：视频数据
• Amazon：商品数据
• LinkedIn：个人资料、工作经历读取、消息发送（v1.8.0 新增）
• ChatGPT Desktop：Electron 应用适配

AI 工具

• Gemini：AI 工具适配
• NotebookLM：Google AI 笔记
• Flomo：浮墨笔记（v1.8.0 新增 memos reader）
• 有道云笔记：共享笔记读取（v1.8.0 新增）
• Chess：国际象棋（v1.8.0 新增写命令）

第二层：浏览器自动化 — 让 AI Agent 操作任意网站

这是 OpenCLI 最核心的能力。通过 Browser Bridge（Chrome/Chromium 扩展 + 本地守护进程），OpenCLI 能复用你已登录的 Chrome 会话，让 AI Agent 像人一样在浏览器里操作任意网页。

不需要 API Token，不需要存储密码，甚至不需要写代码。浏览器里怎么操作，AI 就能怎么操作。

在 Claude Code、Cursor 等 Agent 中安装 opencli-browser Skill 后，Agent 就能：

• Navigate：打开任意网页
• Click：点击任意按钮或链接
• Type/Fill：填写表单、输入搜索词
• Extract：从页面中提取结构化数据
• Wait：等待页面加载或元素出现
• Inspect：检查页面元素状态

全程不需要 LLM 参与操作，Browser Bridge 直接做确定性控制。

第三层：本地工具统一入口 — 把 gh、docker 变成子命令

OpenCLI 还可以把你系统上已有的 CLI 工具注册进来，变成 opencli gh、opencli docker 的形式，通过 opencli install <name> 安装外部 CLI。

支持的外部工具包括：gh、docker、obsidian、tg（电报）、discord 等。换句话说，OpenCLI 成了你终端里的「万能入口」——一个 opencli，打包所有工具。

四、核心命令一览

探索与生成

• opencli list：列出所有可用命令
• opencli explore <url>：探索网站，发现 API 和存储结构
• opencli probe <target>：探测目标站点能力
• opencli synthesize <target>：从探索结果生成 CLI 定义
• opencli generate <url>：一站式：探索→生成→注册
• opencli record <url>：从浏览器会话录制 API 调用

验证与测试

• opencli validate <target>：验证 CLI 定义是否正确
• opencli verify <target>：验证 + 冒烟测试（端到端）
• opencli cascade <url>：策略级联，找到最简单的工作方式

管理与诊断

• opencli doctor：诊断浏览器桥接连接状态
• opencli plugin：管理 opencli 插件
• opencli daemon：管理本地守护进程
• opencli completion <shell>：输出 shell 补全脚本
• opencli browser：浏览器控制（导航、点击、输入、提取、等待）

输出格式

所有命令支持多种输出格式，可自由切换：

• table：表格形式（人类可读）
• json：JSON 格式（程序处理）
• yaml：YAML 格式
• md：Markdown 格式
• csv：CSV 格式

遵循 Unix 退出码约定，可方便集成到 CI/CD 流程中。

五、安装与配置

前置要求

• Node.js ≥ 21.0.0
• Chrome/Chromium 浏览器（用于 Browser Bridge 模式）

安装步骤

npm install -g @jackwener/opencli
opencli --version  # 验证安装

配置浏览器桥接（可选，浏览器自动化需要）

1. 从 Chrome 应用商店安装「OpenCLI Browser Extension」或下载发布包手动加载
2. 运行 opencli setup，自动从 Chrome 中检测并配置 Playwright MCP Bridge 扩展 token
3. 运行 opencli doctor 验证桥接连接状态

集成到 AI Agent

在 Agent 的系统提示词（如 .cursorrules、CLAUDE.md）中加入：

"You have a tool called opencli. Run opencli list to see available commands to browse the web."

六、技术架构解析

四层架构

• CLI 本体（Node.js）：命令解析、适配器调度、输出格式化
• Browser Bridge（Chrome 扩展）：接收 WebSocket 指令，在隔离的 Chrome 窗口中执行操作
• 守护进程（Daemon）：后台常驻，负责扩展与 CLI 之间的通信协调
• 适配器层（Adapters）：每个网站/工具对应一个适配器，定义输入输出规范

隐私设计

OpenCLI 最大的隐私优势在于「零凭证存储」：

• 所有浏览器命令直接复用本地 Chrome 的登录态，凭据不离开浏览器语境
• 通过轻量级 Browser Bridge 扩展在本地建立 WebSocket 通道（仅限 localhost）
• 不需要保存任何账号密码，不需要申请任何 API Token
• Chrome 扩展有独立 CSP 安全策略和隐私政策

测试体系

OpenCLI 拥有完整的三层测试体系：

• 单元测试（src/**/*.test.ts）：32 个测试文件
• E2E 集成测试（tests/e2e/）：子进程运行真实 CLI，验证 API 健康度
• Adapter 测试（clis/**/*.test.ts）：每个适配器的独立测试

七、自定义适配器开发

OpenCLI 支持用 opencli-adapter-author Skill 开发新适配器，工作流包含四个步骤：

1. 站点侦察（Recon）：探索网站结构，发现可用的 API 端点
2. 字段解码：分析请求/响应字段含义
3. 代码编写：按 OpenCLI 规范编写适配器代码
4. 验证发布：用 validate + verify 命令跑通冒烟测试

官方提供了大量参考案例（references/ 目录），社区也开发了多个插件，如 opencli-plugin-github-trending（浏览 GitHub Trending）。

八、和同类工具的对比

vs MCP（Model Context Protocol）

MCP 侧重于定义 Agent 与工具之间的通信协议，适合工具比较固定的场景。OpenCLI 则更侧重于「把一切网站变成 CLI」，天然覆盖 MCP 难以触达的网页操作层。

vs Playwright / Puppeteer

Playwright 和 Puppeteer 是底层浏览器自动化库，需要写代码才能使用。OpenCLI 在它们之上封装了一层 CLI 接口，一条命令完成操作，不需要写代码。

vs CLI-Anything

CLI-Anything 的定位是「让所有开源软件被 Agent 驱动」，一行命令把任意开源软件 CLI 化（主要针对桌面应用如 GIMP、Blender）。OpenCLI 则专注于「把网站和浏览器会话变成 CLI」，两者定位互补。

vs Browserbase Skills

Browserbase Skills 同样是给 Claude Code 装上浏览器自动化能力，但它依赖 Browserbase 云服务（需要账号、付费）。OpenCLI 完全本地化，靠 Browser Bridge 复用本地 Chrome，完全免费。

九、实际使用体验

根据多位博主的实测反馈：

上手速度：从 npm 安装到跑通第一条命令，5 分钟内可以完成。最大的门槛是浏览器扩展的配置，但 opencli setup 命令已经大幅简化了这个过程。

稳定性：内置适配器体验稳定，因为它们是针对具体网站的 API 结构提前写好的，不需要每次动态探索。但对登录态要求严格，如果 Chrome 里没登录目标网站，部分命令会拿不到数据。

对 AI Agent 的价值：这是 OpenCLI 最独特的价值。对于 Claude Code 这类 Agent，opencli-browser Skill 让它真正获得了「操作浏览器」的能力，可以完成「帮我去 B 站看一下今天有哪些科技区热门视频」这类以前完全无法完成的任务。

更新速度：v1.8.0 更新日志显示，单次 release 增加了 Flomo、LinkedIn 消息、有道云笔记、微信读书内搜索等 10+ 新适配器，以及大量安全加固。开发非常活跃。

十、总结

OpenCLI 的核心价值在于「统一」：

• 对人类用户来说，它是终端里的万能入口，一条命令搞定所有网站的查询和操作
• 对AI Agent来说，它提供了确定性、可脚本化的浏览器操作能力，弥补了 LLM「看得见但摸不着」的最后一块短板
• 对开发者来说，它是扩展性极强的框架，适配器开发有完整的 Skill 指导和参考案例

在 AI Agent 时代，工具调用的稳定性比工具调用的酷炫更重要。OpenCLI 正是沿着这个方向，把浏览器自动化从「玄学操作」变成了「确定性的 CLI 接口」。

GitHub 地址：https://github.com/jackwener/OpenCLI

npm 包：npm install -g @jackwener/opencli