A minimal browser harness for agents

👋 你好 Product Hunt！我是 Harsh，Pixelpi 的开发者。

浏览器代理之所以昂贵，一个低级原因是：大多数代理都会让模型读取整整 18 万个 token 的原始 HTML 来分析单个页面，还要额外叠加 20-30 个工具。你要为此付出双重代价——金钱成本，还有决策质量下降。

Pixelpi 反其道而行之，这个思路借鉴自 Mario Zechner 的 pi：模型本身已经足够智能，所以我们只需要轻量框架。

它不处理原始 HTML，而是读取浏览器的无障碍树（浏览器本身已经构建好的语义化视图），只给模型提供 6 个简洁工具，而非 30 个。

效果如下：

1. 在真实网站上，每个页面的 token 消耗量减少 37 倍到 100 倍

2. 页面增大时，token 用量几乎保持平稳

3. 不止于此

任务运行成功后，你可以把它记录为追踪轨迹（trace）。

追踪轨迹具备以下特点：

1. 重放时不需要模型参与

2. 免费、确定且快速

3. 通过无障碍角色定位元素，而非脆弱的 CSS 选择器

4. 能适配大多数页面布局变化

5. 仅在步骤偏离时由模型自我修复

我最兴奋的部分：

1. 一条追踪轨迹就是一个函数

2. 用示例输入录制一次，就可以在 CSV 或 JSONL 上并行批量运行

3. 每一行重播几乎不消耗 token

4. 一个 5000 行的任务只需要一次模型运行，最多再加少量修复——而不是 5000 次完整代理循环

你还可以：

1. 在代码中将追踪轨迹作为类型化函数调用

2. 让其他 AI 代理将其作为干净的 JSON 契约进行内省

3. 你可以用它做这些事：

4. 填写数百份表单

5. 抓取数千条商品信息

6. 批量检查多个网站的价格和账户状态

7. 给你自己的代理提供一个用得起、好推理的浏览器工具

8. 把一次性自动化变成低成本、可重复、能自我修复的任务

它采用 MIT 开源协议，可在 npm 获取包 `pixelpi`，直接基于原生 CDP 构建，不依赖 Playwright。

欢迎大家提出反馈，如果它能帮你免去安装 30 个工具的 MCP，欢迎点个 ⭐ 帮助更多人找到它。

npm i -g pixelpi

GitHub: github.com/josharsh/pixelpi