跳到主要内容

PinchTab AI Agent浏览器自动化工具

Summary​

PinchTab是一个用Go编写的独立HTTP服务器（约15MB单二进制），让AI Agent以Token高效的方式控制Chrome浏览器。每页文本提取约800 tokens，相比截图方式的10,000+ tokens大幅节省。系统采用基于可访问性的元素引用替代脆弱的坐标选择，支持无头/有头Chrome模式、Profile持久化、多实例编排和ARM64优化。通过MCP插件暴露15个浏览器控制工具，默认采用"本地优先"安全策略。

Key Concepts​

  • Browser Automation - AI Agent控制浏览器的自动化方案
  • Token Efficiency - 最小化LLM token消耗的优化策略
  • MCP Integration - Model Context Protocol工具集成
  • Accessibility based Selection - 基于可访问性树的元素引用方法
  • Profile Persistence - 浏览器状态跨重启持久化

Detailed Content​

Token效率优势​

Token Efficiency是PinchTab的核心差异化：

  • 每页文本提取约800 tokens，对比截图方式10,000+ tokens
  • 基于Accessibility based Selection的元素引用，避免脆弱的坐标选择

架构​

三个核心组件：

  • Server：主控制面板，管理profiles、实例和路由
  • Bridge：单实例运行时，由Server生成
  • Profile：Profile Persistence，保持cookie、历史、本地存储

部署灵活性​

  • 无头/有头Chrome模式
  • 多实例编排，隔离的浏览器进程
  • ARM64优化，支持Raspberry Pi
  • 可连接外部Chrome实例

安全模型​

默认"本地优先"安全策略：绑定127.0.0.1，敏感端点默认禁用，IDPI默认仅允许访问本地网站。

MCP Integration​

提供SMCP插件，暴露15个浏览器控制工具（导航、快照、点击、填充、文本提取），仅需标准库依赖。

  • AI Agent Tools
  • MCP Protocol
  • Web Scraping
  • ByteDance DeerFlow
  • Browser Testing