背景：从"连接器世界"到"整个互联网"
┌──────────────────────────────────────────────────────────────────────┐ │ Agent 的能力边界 │ ├──────────────────────────────────────────────────────────────────────┤ │ 连接器时代（v9~v11） 浏览器时代（v12.0+） │ │ ──────────────────── ────────────────────── │ │ · native connectors（100+ app） · 任意网站（有无 API 皆可） │ │ · MCP servers · 需 JS/登录态的站点 │ │ · 覆盖：有官方 API/集成的 app · 覆盖：真人能在浏览器做的任何事 │ │ · 边界：connector 墙 · 边界：消失（with or without） │ │ │ │ ── 两条路径不是替代，是互补 ── │ │ 连接器：更快更稳（官方 API） → 有集成时优先用连接器 │ │ 浏览器：更通用（长尾/无 API） → 没集成时的通用解 │ └──────────────────────────────────────────────────────────────────────┘
官方明确建议：当连接器覆盖该 app（Gmail/Salesforce/Notion 等）时，用连接器更快更可靠，浏览器留给没有连接器的站点与任务。
全部机制来自官方文档 docs.gumloop.com/core-concepts/agent_browser，未做推断。
| 能力 | 说明 |
|---|---|
| 拟人浏览 | 开页、点击、输入、滚动、切标签、读屏（含 JS 重页面） |
| 不见密码地登录 | 键入保存的登录与 2FA 码；agent 从不见密码 |
| 跨任务保持登录 | 回合末把新登录存入 browser profile，下个任务已登录 |
| 求人帮忙 | 遇登录/2FA/CAPTCHA/购买确认时暂停并把浏览器交给你 |
| 展示过程 | 侧栏实时观看 + 事后录像回放每一步 |
| 异地浏览 | 经住宅代理让站点看到来自所选国家的访客 |
① agent ability：Browser 开关（自定义 agent 配置面） ├─ 新建自定义 agent：创建者角色允许时 → 默认开启 ├─ 既有自定义 agent：默认关，需有人在 Browser 段打开 └─ Gumball：只要角色允许即可用，无需配置 ▼ ② 组织治理：Custom Roles → Features → Agent browser（默认关） ├─ 未授权 → 显示 "Turned off for your role" └─ 授权后：从该人下一条消息生效，无人需重配 agent
Agent 遇到只有人能做的步骤 ▼ ┌─────────────────────┐ │ Handoff 卡片（chat）│ ← agent 暂停等你 └─────────────────────┘ ├─ 你在卡片里填值 → agent 键入并继续 ├─ 你直接在实时浏览器里做 → agent 继续 └─ Skip → agent 不带它继续
| 防护 | 机制 |
|---|---|
| agent 永不见密码 | 登录密码、2FA setup key、敏感 handoff 答案从不给 agent 看、不入沙箱；agent 按名字引用、由 Gumloop 键入；2FA 码在键入瞬间由 Gumloop 生成。username 非机密，agent 可读 |
| 防网页诱导 | 每次安全填充校验目标 frame 的 scheme/port/host 与被保存登录一致；不符则什么都不填并让 agent 问你。handoff 答案锁定提问时的确切 host |
| 防窥屏 | 密码/码字段键入前后都打码（含站点有"显示密码"开关时）；无法打码则跳过截图；值不入 transcript 与日志 |
| ⚠️ 诚实边界 | 这些防护针对"网页诱导 agent 打字"；不是对"agent 主动从自己沙箱提取值"的硬边界。应把 agent 能键入的任何登录视为其可用 |
| 限制 | 值 |
|---|---|
| 窗口 | 桌面 Chromium；不支持移动/设备模拟 |
| Handoff 字段 | 每次 ≤6 |
| 录像 | 每步一片，超长在帧上限截断 |
| 登录保存 | 回合末，非中途 |
| Incognito chat | 不恢复也不保存 browser profile |
| 沙箱 | 与 Code Sandbox 共享 |
计费：浏览器无单独收费（代理/录像/实时观看免费）。按 agent chat 计费——Compute 5 credits/分钟（agent 在浏览器工作的时间）+ Chat & Reasoning；handoff 等你时不计费。
她把这套流程交给一个开启了浏览器能力的运营 agent，绑定了供应商门户的登录（agent 从不见密码）。每天 agent 自动登录门户、核对库存、下载对账单、生成补货建议；遇到采购确认这一步，agent 暂停并把浏览器交给她，她在 handoff 卡片里点确认，agent 继续。
团队用浏览器 agent 处理报销系统。合规经理通过 Browser replay 回看每一笔操作的时间轴——哪一步开了什么页面、在哪个字段填了什么（密码字段已打码）、何时 handoff 给了人。录像随 agent 消息保留，可随时调取。
| 维度 | Gumloop Agent Browser | ChatGPT Operator / Comet | Anthropic Computer Use | Browserbase / Browser Use |
|---|---|---|---|---|
| 定位 | agent 平台的 ability | 消费级浏览器 agent | 通用 computer use 原语 | 给开发者的浏览器基建 |
| 连接器无关 | ✅ with or without connector | ✅ | ✅ | ✅（要自己接） |
| 登录保管 | ✅ 密码 agent 不可见 + 按 host 校验 | 部分 | 需自建 | 需自建 |
| 人机接管 | ✅ handoff 卡片 + Live 接控 | 有 | 无内建 | 需自建 |
| 录像回放 | ✅ 逐步回放 + 截图标注 | 有 | 无 | 有 |
| 组织治理 | ✅ 默认关 + Custom Roles | 无（消费级） | 无 | 无 |
| 计费 | 5 credits/分钟（handoff 免费） | 订阅 | 按量 | 按 session |
| 阶段 | 时间线 | 里程碑 | 状态 |
|---|---|---|---|
| Phase 1 — 基础浏览 + 安全登录 | v12.0.0 | 真 Chromium + 保存登录/2FA + 安全填充校验 + profile 持久化 + 角色开关 | 已发布 |
| Phase 2 — 观看与接管 | v12.0.0 | Live 面板 + Replay 录像 + handoff 卡片 + 住宅代理 | 已发布 |
| Phase 3 — 可观测与复用 | v12.x | 浏览器步骤进入 Impact reports；浏览器 skill 化（把高频网页流程沉淀为可复用 skill） | 部分 |
| Phase 4 — 移动/多模态 | 远期 | 设备模拟（移动端校验）；更强文件处理；跨 agent 共享浏览器 profile 策略 | 探索 |