新版本的 Browser-Bridge 支持了 MCP 对于 Agent 来说集成的方式更加丰富啦。为什么最开始我采用的是 CLI 的方式与 Agent 集成这个问题其实是我的一个偏见。当时其实是受看过一篇文章的影响才做的这个决定。文章的具体内容现在已经回想不起来了只记得大致讲的是 MCP 集成过多导致系统提示词太长浪费了很多 token 的问题。然后我没想太清楚就觉得如果我不使用 MCP 的方式转而使用 CLI 的方式那 Browser-Bridge 就能真正的做到按需加载。为什么 System Prompt 太多了不太好并不是说会浪费很多token。因为一般 System Prompt 都是放在消息的头部LLM API 都支持前缀匹配的输入缓存如果命中缓存的话那这点内容基本不会花多少钱。真正的原因是上下文窗口很宝贵。Agent 在压缩上下文的时候System Prompt 是不能被压缩的只能压缩用户消息和工具调用的消息。一旦 System Prompt 被压缩那整个缓存就失效了相当于你所有输入都要重头来计费而既然 System Prompt 不能被压缩那在 System Prompt 中加载的东西越多用户能使用的上下文就会越小。正是因为有这样的考量我才觉得得使用 CLI。虽然想法是有了感觉也更好。但在实践过程中遇到的问题可不少。如何让 Agent 知道现在需要使用这个 CLI 呢我采用的方案是SKILL。通过写一个 SKILL在它描述中告诉 Agent 有这样一个 CLI 工具可以帮你操作浏览器。这样做相当于是在 System Prompt 中只保留很简短的一句话。在实际的 tool_use 调用之后才把本应该在MCP中暴露的工具描述加载到模型中。而且这些内容还是以工具调用的结果出现的。Agent 无法在适当的时候自己唤起对工具的调用。虽然现在通过 SKILL CLI 的方式可以缓解我上面提到的 System Prompt 过长导致上下文膨胀的问题。但是新问题也来了。这里的 SKILL 描述的是一组功能它们只能描述有哪些工具而不能把什么场景用 SKILL 也列举完。我发现当我让 Agent 打开某个网页去查数据。它的第一优先级是使用 Chrome DevTools这可能也跟我集成了 Chrome MCP有关。如果行不通就尝试写代码使用 Playwright 等方式去通过 CDP 协议操控浏览器来抓取最后就直接回退到 WebSearch WebFetch。模型似乎并不能默认就懂得哪些场景需要去使用我定义的这个包含很多功能的 SKILL。所以为了解释这个问题。我当时的想法是让用户通过 “/browser-bridge-user” 手动触发 SKILL告诉模型要强制使用这个 Browser-Bridge 来操作 Chrome。但是这种需要手动触发的方式显得有些刻意。使用者需要自己判断使用哪种方式来操作chrome比如编码时需要使用 Chrome DevTools搜索、填写表单时又要使用Browser-Bridge。这种不太“智能”的方式让我心里感到有些不舒服。这种手动触发的方式就像是在错误的假设上做事情根本没能让LLM自主调用 Browser-Bridge。后来我读了一本书《像高手一样解决问题》里面提到很多商业失败的案例中都有个隐含的假设其实现在还没读完~~。我突然发现似乎之前也有个隐含的假设被我忽略了——上下文现在很稀缺。如果上下文窗口是 20K 左右你安装10多个 MCP 之后确实就会占用 4K 左右的系统上下文还不包括 SKILL这样看上下文确实很稀缺。但今夕何夕大模型上下文的限制规则正在被模型厂商们修改。他们都在大张旗鼓地支持 1M 上下文。当上下文的容量能扩张5倍那我所做的这些优化其实用处不太大。我又想了想那篇文章似乎也是两个月前的。两个月后的今天上下文容量已经是2个月前的5倍了。此时MCP 的集成方式能更好的让模型理解工具的功能。然而我又仔细回忆了下。发现每次 Agent 都会优先使用 Chrome MCP 来操作浏览器那这会不会就是因为 MCP 的集成方式的优先级会高于 SKILL所以新版本中我支持了 MCP 来调用 Browser-Bridge。我彻头彻尾地推翻了之前的设计打脸了~~。不过感觉这也是认知被刷新加深的一个过程。从怕浪费上下文到拥抱 MCP这个打脸的过程本质上是我对什么是真正的优化的理解变了——优化不应该提前做减法只要留足够大的空间就好也许我预设的这个问题本就不是问题。--附录Browser-Bridge:GitHub - dkisser/browser-bridge: Let AI agents and scripts control your local browser through a simple CLI — keeping your sessions, cookies, and credentials local. · GitHub