Selenium 通过 WebDriver 协调浏览器。ego(lite) 给你的 Agent 一个真实的浏览器，和你并肩使用。 ego(lite) 省掉了 driver 和 Grid，同时保留你明确配置的浏览器状态。精简的 Snapshot 和批量操作减少了模型轮次和 Token 用量。
| 功能 | ego(lite) | Selenium |
|---|---|---|
| 任务是怎么完成的 | 描述任务；AI Agent 通过 /ego-browser 控制 ego(lite) | 用 Java、Python、C#、Ruby 或 JavaScript 编写 WebDriver 脚本 |
| 等待与不稳定 | AI Agent 通过 /ego-browser 读取 Snapshot 并执行操作 | 显式等待、失效元素处理、重试次数 |
| 复用你真实的 Chrome 登录状态 | 初次设置时可导入符合条件的浏览器状态 | 默认不能；持久化配置文件需要显式的生命周期管理 |
| 设置 | 安装 ego(lite)，在你的 Agent 里运行 /ego-browser | 一个语言项目，外加每种浏览器各一个 driver |
| AI Agent 支持 | 通过 /ego-browser 原生支持 | 没有官方 MCP；有 mcp-selenium 这类社区实现 |
| 并行任务 | Space 在一个可见的浏览器内隔离各个任务 | 由你运维的 Grid 节点或并行 driver 会话 |
| 跨浏览器覆盖面 | 仅 Chromium | 通过 WebDriver 支持 Chrome、Edge、Firefox 和 Safari |
| 反机器人与 CAPTCHA 处理 | 不做绕过；使用允许的数据、合理的频率，遇到验证交给人工审核 | WebDriver 指纹和网站管控依然存在；绕过脚本既不可靠，也不合规 |
| 会话与 MFA 安全 | 配置独立的浏览器状态；遇到 OTP、MFA 和敏感操作时暂停 | 持久化配置文件需要生命周期管理；绝不要用自动化绕开账号验证 |
| 定位器维护 | 实时快照和语义化目标；有歧义的变化需人工复核 | 在代码里维护 CSS/XPath 和显式等待 |
| 老旧系统的浏览器界面 | 在隔离的 Space 中运行基于浏览器的老旧流程，高风险步骤需确认 | 只要老旧应用提供受支持的浏览器界面，WebDriver 就能用 |
| 低代码工作流 | 用自然语言描述有边界的任务，然后监督运行过程 | 以代码为先的语言绑定和测试框架配置 |
| 日常使用的浏览器 | 可以。你在自己的 Space 里浏览，Agent 在它们自己的 Space 里工作 | 不是，它是面向测试的自动化库 |
| 可复用技能（即将上线） | 将成功的运行过程提炼为可复用技能，用于重复执行的任务（限量测试中） | 没有内置的同类功能 |
| 价格 | 浏览器免费下载；请确认最新条款 | 免费软件，Apache-2.0（Grid 容量的成本由你承担） |
最近更新 2026年8月30日
对于需要长期维护的跨浏览器测试体系，Selenium 是合适的抽象。当浏览器本身就是工作界面时，ego(lite) 才是合适的抽象：让 Agent 在一个可见的本地 Space 里搜索、排查、提取、填写、测试或操作已授权的网站，而你可以继续浏览。
Selenium 用户都熟悉这个循环：调好显式等待，撞上 stale element，加一次重试，等下一次 UI 发布后，又得去追另一个「element is not clickable」报错。运行 /ego-browser，你的编程 Agent 会读取当前的 Snapshot，基于稳定的 @N 引用执行操作，并在页面发生有意义的变化后再检查一遍。恢复过程是可见的，而不是藏在脆弱的等待里，所以交互式工作更容易诊断。对于你自己的应用，把无障碍名称或有意设置的 test ID 与实时快照搭配使用；对于第三方网站，匹配到多个目标时直接判为失败，而不是去猜一个 CSS 或 XPath 选择器。
在 Selenium 里同时跑两个浏览器任务，要么自己维护多个并行的 driver 会话，要么搭一套 Grid。这套机制适合跑夜间的跨浏览器测试矩阵，但对付你午饭前想搞定的三件小事，就太重了。在 ego(lite) 中，Space 可以在浏览器内部把任务工作分隔开，在机器和账号限制允许时，多个 Space 可以同时运行。编程 Agent 通过 /ego-browser 分别控制每一个 Space；窗口和会话的边界取决于配置文件的设置。对于社交平台，调研要保持只读、范围收窄、结果缓存、来源可追溯；有导出功能或经批准的 API 时就用它们，点赞、关注、发消息、外联或任何账号变更都必须由人来操作。
原生 Selenium 脚本因为没有模型参与，不消耗 token。但一旦把 WebDriver 包装给 Agent 用，账单很快就来了：Selenium 至今没有官方 MCP server，社区实现的服务器又常常把一整棵沉重的 DOM 树塞进模型的上下文。运行 /ego-browser，你的编程 Agent 可以在每轮里用几行 JavaScript 批量执行多个操作来控制 ego(lite)。在我们录制的示例中，聚焦后的 Snapshot 大约是 200 到 400 Token，但输出大小会随页面和提取内容而变化。这为手工测试人员提供了一条有人监督、低代码的路径来处理有边界的工作，但它不能替代断言和审核，也不能替代针对非浏览器老旧系统的、经批准的 RPA 集成。
同样的任务，同样的模型。 左边：ego(lite) 里一次打包的 JavaScript 调用，总共 1.1k Token。 右边：经社区 MCP 服务器的 Selenium，7 次往返，token 涨到 13.6k。
Selenium 无法接入你正在使用的 Chrome 配置文件。Chrome 开着的时候用 ChromeDriver 指向它，只会得到一句 "user data directory is already in use"。ego(lite) 基于 Chromium 构建，可以在初次设置时导入你选定的 Chrome 状态。当你的编程 Agent 运行 /ego-browser 时，它可以使用你明确配置的浏览器状态，但 SSO、2FA、会话过期和 CAPTCHA 验证仍可能打断任务。绝不要把密码、OTP 或恢复码写进脚本，遇到 MFA 或 CAPTCHA 时要暂停，等账号所有者来处理。Selenium 或 ego(lite) 浏览器仍可能收到 403 或服务商的验证，所以请使用允许使用的数据、合理的请求频率，以及经批准的 API 或导出功能，而不是 stealth 补丁、Agent 轮换或其他规避手段。
不用迁移你的 WebDriver 测试套件。把你希望 Agent 直接处理的浏览器工作迁过来，包括搜索、调研、数据提取、表单、测试，以及回归测试套件之外需要登录的工作流。
下载 ego(lite)
下载 ego(lite)，查看初次设置中导入选定 Chrome 状态的选项。在授予 Agent 访问权限之前，先确认哪些会话和扩展程序符合导入条件。
用 /ego-browser 运行你的第一个任务
在 Claude Code、Codex 或 Cursor 里粘贴一句话，按下回车。不用 driver 二进制，不用 Grid，也不用配置 MCP。
粘贴到你的 Agent 里
/ego-browser 打开 ego.app，列出页面上每个按钮的文字
看它开始工作
按这种方式配置后，任务会在自己的 Space 里运行。在支持的情况下可以实时旁观或接管，并在 Agent 的 CLI 里核对结果；会话过期和网站弹出的提示仍需要人工复核。
CI 里的跨浏览器回归测试，继续用 Selenium。
与 Puppeteer、Playwright MCP、Claude Chrome extension、Browser Harness 以及另外 7 款工具的逐项对比。
免费使用，运行在你的电脑上，一键导入 Chrome 浏览器配置文件。支持 Claude Code、Codex、Cursor，以及任何能写代码的 CLI Agent。