WebBrain — открытый AI-браузерный агент для Chrome и Firefox

WebBrain — открытый AI-браузерный агент, который живёт прямо в браузере. В отличие от классических AI-ассистентов для кодинга (Claude Code, Copilot, OpenCode), WebBrain работает не с файловой системой, а со страницами: он читает DOM, кликает, печатает, скроллит, навигирует и выполняет многошаговые автономные задачи. Проект поддерживает Chrome, Firefox и Edge, собрал 416 звёзд и 2 425 коммитов на GitHub.

Главная идея WebBrain — дать пользователю AI-агента, который видит ту же страницу, что и вы, и может взаимодействовать с ней как человек. Это особенно полезно для тестирования веб-приложений, автоматизации рутинных действий в браузере и быстрого извлечения данных с сайтов без написания скриптов.

Три режима работы

WebBrain разделяет уровень модели (tier: compact/mid/full) и режим разговора (mode: ask/act/dev):

• Ask — режим «только чтение». Агент может читать страницы, извлекать данные, читать PDF, но не может кликать или изменять DOM. Подходит для вопросов типа «Найди все цены на этой странице» или «Сравни характеристики товаров в таблице».

• Act — полный доступ к браузерным действиям. Клики, ввод текста, навигация, загрузка файлов, взаимодействие с iframe, решение капчи. Перед выполнением может сгенерировать план действий и показать его на утверждение (Plan before Act).

• Dev — режим разработчика (требует Mid или Full провайдера). Добавляет инструменты для инспекции стилей, выполнения JavaScript, чтения консоли, анализа сетевых запросов и event listener'ов. По сути, AI-альтернатива Chrome DevTools.

Уровни (tier) настраиваются для каждого провайдера отдельно и определяют, сколько инструментов модель видит:

Поддержка LLM-провайдеров

WebBrain поддерживает впечатляющий список провайдеров — как локальных, так и облачных:

Локальные (без API-ключа):

• llama.cpp, Ollama, LM Studio, Jan
• vLLM, SGLang, LocalAI

Облачные (требуется API-ключ):

• WebBrain Cloud 1.0 (встроенный, по умолчанию)
• OpenAI (GPT-5.6), Anthropic Claude, Google Gemini
• Mistral AI, DeepSeek, xAI Grok, Groq
• MiniMax, Kimi, Alibaba Cloud (Qwen)
• Cloudflare Workers AI, Nvidia NIM
• OpenRouter (доступ к 100+ моделям)

Для локальных моделей WebBrain автоопределяет размер контекстного окна у llama.cpp, Ollama и LM Studio. Минимальный рекомендуемый контекст — 16k токенов; при 8k можно включить Compact-режим.

Инструменты агента

WebBrain предоставляет богатый набор из 50+ инструментов, организованных по уровням доступа. Некоторые ключевые:

• Чтение страниц: read_page, get_accessibility_tree, read_pdf, get_interactive_elements
• Действия: click, type_text, navigate, scroll, wait_for_element, new_tab
• Данные: extract_data, fetch_url, research_url
• Dev-инструменты: execute_js, read_console, inspect_network_requests, inject_css, patch_element
• Продвинутые: get_shadow_dom, drag_drop, hover, get_frames, iframe_read

Доступные инструменты в Dev-режиме включают обратимые патчи: inject_css / remove_injected_css и patch_element / revert_patch — можно применить временные изменения к DOM и откатить их.

Слэш-команды и горячие клавиши

WebBrain поддерживает систему слэш-команд для быстрого управления:

• /ask, /act, /dev — переключение режимов
• /memory --add <text> — сохранение пользовательских предпочтений
• /schedule [prompt] — отложенные задачи
• /screenshot [--full-page] — снимок экрана
• /record [--full-screen] [--transcribe] — запись вкладки
• /export [--traces | --config] — экспорт разговора или настроек
• /compact — принудительное сжатие контекста
• /dangerously-skip-permissions — глобальное отключение запросов разрешений

Горячие клавиши (в боковой панели): Ctrl+/ — фокус на ввод, Ctrl+Shift+A/X/D — переключение Ask/Act/Dev, Escape — остановка агента.

Система навыков (Skills)

WebBrain поддерживает импорт навыков — текстовых файлов или URL со специальной JSON-разметкой (webbrain-skill). Навык может объявить до шести семантических intent'ов (например, verification_code или public_media_download) и набор инструментов (webbrain-tools).

Из коробки включены два навыка:

• FreeSkillz.xyz — чтение транскриптов YouTube, скачивание публичных медиа
• OTP helper — помощь с кодами верификации (только на активной вкладке, без SMS)

Mid/Full-прогоны получают каталог доступных навыков; полные инструкции загружаются в системный промпт только после активации. Compact-режим отключает навыки полностью.

Память и контекст

WebBrain хранит пользовательскую память локально в браузере. Это plaintext-записи с явным добавлением через /memory --add. При включении память отправляется провайдеру как часть системного промпта. Есть опциональное фоновое автообучение — после завершения хода агент может самостоятельно предложить сохранить предпочтение.

Контекст управляется автоматически: когда разговор приближается к лимиту контекстного окна модели, WebBrain сжимает старые реплики через суммаризацию. При превышении лимита срабатывает аварийное восстановление.

Архитектура

Проект построен как монорепозиторий с раздельными сборками для Chrome (Manifest V3) и Firefox (Manifest V2):

src/chrome/                    src/firefox/
├── background.js (SW)         ├── background.js (+ bg.html)
├── agent/                     ├── agent/
├── content/                   ├── content/
├── providers/                 ├── providers/
├── network/                   ├── network/
├── trace/                     ├── trace/
├── ui/                        └── ui/
└── offscreen/

Ключевое различие: Chrome использует Service Worker и chrome.scripting API, Firefox — background page и browser.tabs.executeScript. Chrome-сборка богаче функционально благодаря доступу к Chrome DevTools Protocol (CDP): теневой DOM, настоящие trusted mouse events, запись консоли и сетевых запросов.

Также в репозитории есть standalone LM Studio-плагин (lmstudio-plugin/) для пользователей, которым нужны только fetch_url и research_url без полного браузерного расширения.

Установка и начало работы

Установка из магазинов расширений (Chrome Web Store, Firefox Add-ons, Edge Add-ons) или ручная сборка:

git clone https://github.com/webbrain-one/webbrain.git
# Chrome: chrome://extensions/ → Load unpacked → src/chrome
# Firefox: about:debugging → Load Temporary Add-on → src/firefox/manifest.json

Для локальной LLM:

llama-server -m your-model.gguf --port 8080   # llama.cpp
ollama serve                                    # Ollama (затем http://localhost:11434/v1)

После установки — клик на иконку расширения, боковая панель открывается. Первый запуск проводит через onboarding wizard с настройкой провайдера и объяснением режимов безопасности.

Ограничения

• Firefox-сборка слабее Chrome: нет CDP-инструментов, клики идут через content-script (без shadow DOM piercing), нет персистентности разговоров при перезапуске background.
• Нет SPA-детекции в Firefox — клиентская навигация может не триггерить переинжекцию content-script.
• Временная загрузка в Firefox — расширение удаляется при перезапуске; для постоянной установки нужна подпись через addons.mozilla.org.

Вывод

WebBrain — один из самых зрелых open source AI-браузерных агентов. 113 релизов, 2 425 коммитов, поддержка 20+ LLM-провайдеров, три режима работы и продуманная система навыков делают его серьёзным инструментом для автоматизации браузера. Архитектурно интересен разделением tier/mode — модель не получает инструменты, которые не сможет использовать эффективно, а пользователь контролирует уровень доступа через выбор режима.

Для AI-разработчиков WebBrain особенно полезен как платформа для тестирования веб-приложений: можно попросить агента пройти пользовательский сценарий, собрать консольные ошибки и проанализировать сетевые запросы — и всё это голосом, без написания e2e-тестов.

Сайт: webbrain.one | Репозиторий: github.com/webbrain-one/webbrain