ai-browser-bridge

English · עברית · Español · 中文

从终端驱动真实的 ChatGPT 或 Gemini 浏览器会话，并通过 MCP 给 ChatGPT 一组受限的本地仓库工具——永远不交给它一个 shell。

为什么需要它

ChatGPT 在浏览器中表现最佳——真实的账户状态、模型选择器、消息编辑、重新生成以及会话历史都完整保留。而写代码在终端中最高效，可以直接检查和修改文件、测试、diff 与补丁。

ai-browser-bridge 把这两个界面连接起来。终端中的一个提示词驱动你现有的提供商浏览器会话，而 ChatGPT 可以通过一小组经过校验的 MCP 工具——grep、read、apply_patch、run_tests、git_diff——访问当前仓库，而不是获得原始 shell 访问权限。你始终停留在单一的终端工作流中；提供商保留其真实界面。

功能

• 九个提供商，一个命令 — ChatGPT、Gemini、Claude、DeepSeek、Grok、Perplexity、Duck.ai、Arena 与 Google Flow。使用 --provider 选择一个，或并行询问多个。
• 面向智能体 — bridge ask … --json 提供稳定的非交互接口，bridge serve 则暴露出站 MCP 工具。
• 通过 MCP 的沙箱化本地工具 — 每个文件操作都针对所选仓库根目录进行校验；没有任意 shell，仅允许白名单内的测试命令。
• 浏览器操作即命令 — /resume、/new、/model、/rewind、/stop、/context、/diff、/compact 等。
• 仓库根目录中的会话、记录与下载 — 持久化运行始终使用 <repo>/.bridge/，即使从子目录启动也是如此。
• 安全控制 — 权限模式（read-only / ask / auto）以及每次补丁前后的自动文件检查点。
• 项目约定 — 自定义命令以及 AGENTS.md / CLAUDE.md 会在 /task 运行时提供给 ChatGPT。
• 真正的输入器 — 提示词历史、反向搜索、提示词排队，以及 @file 提及的自动补全。

架构

 terminal (you)
      │
      │  Ink / React CLI
      ▼
 orchestrator ──────────────┬───────────────────────────────┐
      │  browser automation │                   MCP server   │
      ▼  (Playwright + CDP) │                  (MCP SDK)      ▼
 ChatGPT browser UI         │                        local repo tools
      ▲                     │                     (grep/read/patch/test/diff)
      │                     ▼                                 │
      └───── Cloudflare Tunnel (cloudflared) ◄────────────────┘
              public https://…trycloudflare.com/mcp

四个层，各司其职：

| 层 | 技术 | 职责 | |----|------|------| | CLI | Ink / React | 终端界面：消息面板、状态栏、@file 提及、/ 命令。 | | 浏览器 | Playwright + Chrome DevTools Protocol | 通过调试端口连接 Chrome，并复用唯一的共享 bridge 配置文件。提供商适配器位于 src/features/providers/。 | | MCP 服务器 | MCP SDK + Effect Schema | 向 ChatGPT、Claude 与 Grok 暴露经过校验且沙箱化的本地工具。 | | 隧道 | Cloudflare Tunnel (cloudflared) | 为本地 MCP 服务器提供一个临时的公共 HTTPS 地址，供 ChatGPT 连接器访问——无需部署。 |

为什么需要隧道？ ChatGPT 的 MCP 连接器通过 HTTPS 调用工具，但工具服务器运行在你的机器上。与其部署任何东西，bridge 在本地端口前面启动一个临时的 Cloudflare 隧道（*.trycloudflare.com），并在启动时把该 …/mcp 地址同步到 ChatGPT 应用中。（ngrok 也能解决同样的可达性问题；这里使用 Cloudflare 的 cloudflared，因为它的快速隧道无需账户或令牌。）

快速开始

前置条件

• macOS — Chrome 从 /Applications/Google Chrome.app 启动，剪贴板/进程辅助使用 pbcopy/lsof。
• Node.js ≥ 22 与 pnpm（仓库锁定 [email protected]）。
• Google Chrome 或 Chrome for Testing — bridge 复用 ~/.ai-browser-bridge/chrome-profile 中的全局共享配置文件。
• cloudflared （可选） — ChatGPT、Claude 或 Grok 调用本地工具时需要。没有它 TUI 仍可运行。安装：brew install cloudflared。

安装与构建

git clone https://github.com/YosefHayim/ai-browser-bridge.git
cd ai-browser-bridge
pnpm install
pnpm build

启动 Chrome，然后运行

# 打开 bridge 的共享 Chrome 配置文件；如有需要请登录
node dist/bridge.js chrome start

# 针对你希望 ChatGPT 操作的仓库启动终端界面
node dist/bridge.js --repo /path/to/your/project

想要一个全局 bridge 命令？构建后运行 pnpm link --global，然后使用 bridge、bridge chrome start、bridge ask "…" 等。

智能体与提供商

bridge ask 可以询问单个提供商，也可以把同一问题并行发送给多个提供商。结果按提供商返回，部分失败不会丢弃成功结果。

bridge ask --provider claude --json "summarize this repo"
bridge ask --provider claude,deepseek,grok --json "compare these approaches"
bridge serve

bridge serve 通过 MCP stdio 提供 ask 与 search_conversations。ChatGPT、Claude 与 Grok 可使用入站 MCP 连接器；Gemini、DeepSeek、Perplexity、Duck.ai 与 Arena 作为网页聊天运行，Flow 则作为视频生成界面运行。

状态保存在哪里

某个项目的所有 bridge 状态都写入 Git 工作树规范根目录下的 <repo>/.bridge/。即使从子目录启动，也只会使用这一处根目录；显式指定的非 Git 目录仍以自身作为根目录。bridge 不会创建或管理 .bridge/.gitignore；忽略策略由目标仓库自行决定。

由用户编写、意在应用于所有仓库的配置位于你的主目录中：自定义命令在 ~/.ai-browser-bridge/commands/*.md，用户级 hooks 在 ~/.ai-browser-bridge/hooks.json。

权限与检查点

/permissions read-only   # grep_code, read_file, git_diff
/permissions auto        # 以及受限的写入/测试工具
/permissions ask         # 阻止写入/测试/进程工具（交互式确认待实现）

apply_patch 会在变更前后对每个涉及的路径进行快照。使用 /checkpoints、/restore <id> 或 /rewind --files <id> 恢复。

测试

pnpm test          # vitest run
pnpm typecheck     # tsc --noEmit
pnpm verify:push   # Biome + typecheck + tests + build + 结构检查

覆盖率聚焦于安全敏感路径——沙箱校验、规范仓库根目录解析、会话/检查点存储、权限以及上下文计数。

Google Flow 支持

bridge 也可以驱动 Google Labs Flow——Google 基于 Veo 的 AI 视频工作室——采用与聊天类提供商相同的 Playwright/CDP 模式。Flow 与聊天类提供商本质不同：它是一个生成界面，因此“回复”是一段渲染出的片段（clip），而附件则是素材（ingredients）（参考图像）。

bridge chrome start --provider flow    # 登录 Google；账户需要 Flow 访问权限（AI Pro/Ultra）
bridge ask --provider flow "a cat surfing a neon wave, cinematic, 8s"
bridge ask --provider flow "same scene, dawn light" --attach ref1.png ref2.png   # 最多 3 个素材

除了生成之外，bridge 还通过 bridge flow 子命令驱动 Flow 完整的素材生命周期（每个子命令都会附着到你当前的 Flow 项目标签页；添加 --json 可获得机器可读的输出）：

bridge flow clips                        # 列出当前项目中的片段（id + 可获取的 URL）
bridge flow download                     # 将片段下载到 <repo>/.bridge/downloads/flow
bridge flow reuse   --id <clipId>        # 将片段作为输入重新加入提示词（"Add to prompt"）
bridge flow extend  --id <clipId>        # 将片段加入场景（Flow 的 "Add to scene"）
bridge flow rename  --id <clipId> --name "hero shot"
bridge flow delete  --id <clipId> --yes  # 将片段移入 Flow 回收站（可恢复）
bridge flow ingredients                  # 列出附加到提示词的参考图像
bridge flow ingredient-remove --id <mediaId>   # 移除单个素材
bridge flow ingredient-clear             # 移除全部素材
bridge flow projects                     # 列出项目
bridge flow project-rename --name "Launch teaser"
bridge flow project-delete --yes         # 永久删除当前项目

破坏性动词（delete、project-delete）需要 --yes；删除片段会将其移入 Flow 可恢复的回收站。

没有 shell 访问权限的智能体可以通过 bridge serve 以 flow_* MCP 工具的形式获得相同的生命周期——flow_list_clips、flow_download_clips、flow_reuse_clip、flow_extend_clip、flow_rename_clip、flow_delete_clip、flow_list_ingredients、flow_remove_ingredient、flow_clear_ingredients、flow_list_projects、flow_rename_project、flow_delete_project。破坏性工具（flow_delete_clip、flow_delete_project）需要 confirm: true。

Flow 上可用的功能

• 从终端驱动、触发 Veo 生成的镜头提示词
• 素材（ingredients） — 为提示词附加最多三张参考图像，并列出 / 移除 / 清空已附加的素材
• 捕获到的片段引用（视频的 src / 下载 href）作为回复返回，因此智能体能获得指向结果的指针
• 素材 CRUD — 列出 / 下载 / 重命名 / 删除片段，扩展或复用片段，管理提示词素材，以及列出 / 重命名 / 删除项目 — 既可作为 bridge flow … CLI 命令，也可作为通过 bridge serve 提供的 flow_* MCP 工具
• 复用与所有提供商相同的共享 bridge 配置文件 / 调试端口模型

Flow 上尚不可用的功能（当前）

• MCP 连接器、/task、/connector、/mcp — Flow 没有连接器界面，因此会跳过 MCP 服务器和 Cloudflare 隧道（与 Gemini 相同）。
• 停止 / 渲染中途控制 — 尚未接入对进行中的 Veo 渲染的取消功能。

Flow 需要 Google AI Pro/Ultra 套餐。由于 Veo 渲染需要数分钟，--provider flow 等待响应的时间远比聊天类提供商更长。

选择器维护： Flow 的选择器已针对已登录的项目编辑器实时验证（LIVE-VERIFIED）。如果 Google 更改了 UI，请使用 node scripts/dev/captureProviderSelectors.mjs 重新捕获，然后更新 src/config.ts；生成逻辑位于 src/features/providers/flow/flowPage.ts，素材 CRUD 位于 src/features/providers/flow/flowAssets.ts。

限制

• 目前仅支持 macOS（硬编码的 Chrome 路径以及 pbcopy/lsof 辅助）。
• 当提供商的网页界面变动时，选择器可能失效；修复集中在对应适配器中。
• 上下文用量是估算值——浏览器不暴露服务器端的精确 token 计数。
• Cloudflare 隧道需要已安装 cloudflared。
• 设计上以本地优先；并非托管的多用户服务。
• Hook 命令执行会被解析和报告，但尚未实际执行。

许可证

MIT © YosefHayim