浏览器自动化的“持久身份”：多会话认证与Agent技能的无缝集成实践

2301_80078096

500人浏览 · 2026-08-27 09:42:27

2301_80078096 · 2026-08-27 09:42:27 发布

浏览器自动化的“持久身份”：多会话认证与Agent技能的无缝集成实践

引言：Agent的“失忆症”困境

想象你雇佣了一个助理，他每天上班第一件事就是重新注册账号、重新登录所有系统、重新填写所有表单。这是不可想象的——但目前的AI Agent恰恰就是这样工作的。

在传统的浏览器自动化中，Agent面临一个根本性的身份困境：每个会话都是一张白纸。登录状态在会话结束时丢失，Cookie在重启后被清空，密码暴露在对话历史中，Selenium和Playwright驱动的Agent被网站轻松识别为机器人并拦截。当你的Agent需要执行需要认证的长时任务时，这种“失忆症”就成了致命的瓶颈。

“持久身份”（Persistent Identity）的概念正在改变这一现状。通过将浏览器会话、认证状态和凭证管理从Agent的临时执行环境中剥离出来，形成独立、可复用、跨会话持久的“浏览器身份”，AI Agent终于能够像人类一样“记住”自己是谁。

一、核心概念：什么是“持久身份”？

持久身份是指为AI Agent分配一个独立、持久、隔离的浏览器环境，该环境具有以下特征：

会话持久化：Cookie、LocalStorage、IndexedDB、登录状态在Agent重启后仍然存活
凭证隔离：密码在容器内生成和存储，Agent从不接触原始凭证
抗检测性：通过OS级输入和真实浏览器指纹，绕过Selenium/Playwright触发的机器人检测
多身份并行：每个身份在自己的隔离容器中运行，拥有独立的Cookie、凭证和历史记录

二、会话持久化的三种实现模式

2.1 状态文件导出/导入

这是最基础的模式：将认证状态导出为JSON文件，在后续会话中导入。适用于需要在不同环境或不同Agent之间共享认证的场景。

Browser Use的实现：

from browser_use import Browser, Agent

# 导出认证状态
browser = Browser.from_system_chrome()
await browser.start()
await browser.export_storage_state('auth.json')
await browser.stop()

# 在后续会话中加载
browser = Browser(storage_state='auth.json')
agent = Agent(
    task='检查我的通知',
    browser=browser,
    llm=ChatBrowserUse(),
)
await agent.run()

Browser Use在启动时自动从文件加载Cookie，并在运行期间持续保存更新。

agent-browser的实现：

# 从已认证的Chrome导入认证状态
agent-browser --auto-connect state save ./my-auth.json

# 在后续会话中加载
agent-browser --state ./my-auth.json open https://app.example.com/dashboard

agent-browser支持通过--auto-connect直接读取正在运行的Chrome的会话状态，无需手动登录。

2.2 持久用户数据目录

使用Chrome的用户数据目录（userDataDir）实现真正的“一次登录，永久有效”。这种方式不需要显式的导出/导入操作，所有状态（Cookie、LocalStorage、IndexedDB、Service Workers）都在浏览器重启后自动恢复。

# 第一次运行：登录一次
agent-browser --profile ~/.myapp-profile open https://app.example.com/login
# ... 完成登录流程 ...

# 后续运行：自动已认证
agent-browser --profile ~/.myapp-profile open https://app.example.com/dashboard

不同的Profile路径可以用于不同的项目或测试用户，实现身份隔离。

2.3 命名会话自动持久化

--session-name是agent-browser提供的更高级的抽象：无需手动管理文件路径，只需为会话命名，系统自动保存和恢复状态。

# 自动保存状态，自动恢复
agent-browser --session-name twitter open https://twitter.com
# ... 完成工作 ...
# 下次启动，状态自动恢复
agent-browser --session-name twitter open https://twitter.com

结合加密功能，可以实现安全的认证状态存储。

三、安全凭证管理：Agent“看不见”的密码

持久身份的另一个核心能力是凭证管理。传统做法中，凭证要么硬编码在代码中，要么通过聊天传递，都会暴露给Agent和日志系统。

Navvi提供了一种更安全的模式：凭证在容器内生成和存储，通过autofill自动填入表单，Agent全程看不见原始密码。

// 在 Claude Code 的 .mcp.json 中配置 Navvi
{
  "mcpServers": {
    "navvi": {
      "command": "uvx",
      "args": ["navvi@latest"],
      "env": {
        "NAVVI_GPG_PASSPHRASE": "your-passphrase-here"
      }
    }
  }
}

// Agent只需用自然语言触发登录
"Log into Tutanota with stored credentials"

Navvi的Journey工具（navvi_browse、navvi_login）内部处理导航、元素查找、点击、输入和截图，Agent无需手动分步操作。

Camoufox Browser的Auth Vault采用AES-256-GCM加密存储凭证，Agent调用时仅通过填充操作触发自动填写，凭证从不输出到stdout：

# 保存凭证（交互式输入主密码）
camofox auth save myprofile --url https://example.com

# 在浏览器中注入凭证（LLM安全）
camofox auth load myprofile

四、多会话隔离：并行身份的工程实践

在多用户或多任务场景中，需要同时运行多个独立的浏览器会话，每个拥有独立的Cookie、LocalStorage和浏览状态。

agent-browser的多会话支持：

# 会话1：认证流程
agent-browser --session auth open https://app.example.com/login

# 会话2：公共浏览（独立的Cookie和存储）
agent-browser --session public open https://example.com

# 会话1的命令不会影响会话2
agent-browser --session auth fill @e1 "user@example.com"
agent-browser --session public get text body

每个会话拥有独立的：

Cookies
LocalStorage / SessionStorage
IndexedDB
缓存
浏览历史
打开的标签页

并发抓取模式：

# 启动所有会话
agent-browser --session site1 open https://site1.com &
agent-browser --session site2 open https://site2.com &
agent-browser --session site3 open https://site3.com &
wait

# 从各自会话中提取数据
agent-browser --session site1 get text body > site1.txt
agent-browser --session site2 get text body > site2.txt
agent-browser --session site3 get text body > site3.txt

OpenBrowser更进一步，提供了一个经纪人（Broker）架构，允许多个Agent共享一个浏览器池，每个Agent租用隔离的Chrome插槽，避免了多个Agent争抢同一CDP端口的问题。

五、Agent技能的无缝集成

持久身份的真正价值在于与Agent工作流的无缝集成。现代Agent框架通过两种方式实现这一点：

5.1 MCP Server集成

Navvi作为MCP Server运行，通过navvi_login、navvi_signup等工具将浏览能力暴露给Agent。Agent调用这些工具时，所有浏览器操作（导航、表单填充、凭证管理）都在MCP Server内部完成，Agent只需声明目标。

5.2 Skill封装

安装Navvi Skills后，Agent获得专用的浏览能力，将浏览器工作与主对话隔离：

# 安装Navvi Skills
npx skills add fellowship-dev/navvi

包含的Skills：

navvi-browse：视觉驱动的自主网页浏览
navvi-login：使用存储凭证登录，处理reCAPTCHA和2FA
navvi-signup：使用自动生成的凭证创建新账户

六、实践指南与最佳实践

6.1 优先使用持久Profile

对于需要长期认证的Agent，使用--profile或--session-name而非手动管理状态文件，避免额外复杂度。

6.2 安全处理状态文件

# 不要提交到版本控制
echo "*.auth-state.json" >> .gitignore

# 使用加密
export AGENT_BROWSER_ENCRYPTION_KEY=$(openssl rand -hex 32)

6.3 使用命名会话语义化命名

# 好的命名
agent-browser --session github-auth open https://github.com
agent-browser --session docs-scrape open https://docs.example.com

# 避免无意义命名
agent-browser --session s1 open https://github.com