浏览器控制与数据提取是相邻但不同的能力，本文只比较浏览器驱动、会话复用、浏览器沙箱和 Agent 交互；数据抓取、清洗与 RAG 语料见AI Agent 爬虫与数据提取框架对比。
浏览器自动化
| 框架名称 | 核心亮点 | 性能/资源 | 易用性 | 支持环境 | 典型场景 | 主要短板 |
|---|---|---|---|---|---|---|
| ego-lite | 真人共用 Chromium；Space 隔离；继承登录态；ego-browser 一次跑多步 JS | 极高 | 高（Skill / CLI） | macOS Chromium（Win/Linux 路线图） | 本地 Agent（Claude Code / Codex / Cursor）代操作已登录站 | 目前仅 macOS |
| BrowserSkill | CLI + 浏览器扩展；复用真实登录态；独立 Agent Window；支持人工接管 | 高 | 高（CLI + Skill） | Chrome / Edge；macOS / Linux / Windows | Agent 操作已登录站点、与人并行工作 | 依赖本地 CLI、daemon 和扩展；Firefox 暂不支持 |
| Stagehand | AI 原生控制 + 视觉语义；常配 Browserbase | 高 | 中高 | Chromium / Playwright | 复杂交互页、自然语言动作和视觉流程 | 运行成本与基础设施依赖较高 |
| agent-browser | Rust + Ref 访问树 + 紧凑文本，省 token | 极高 | 高（CLI） | Chromium | Agent 网页交互、长会话 | 生态较新；需另起浏览器、登录态难复用 |
| Steel | 开源 Browser API：会话、代理、Stealth、截图/PDF | 高 | 高 | Chromium（自托管 / Cloud） | Agent 后端浏览器沙箱、生产会话池 | 偏基础设施，交互逻辑需自接 |
| Lightpanda | Zig 轻量引擎，非 Chromium | 极高 | 中高 | 自定义 headless | 高并发、成本敏感 | 兼容边界 case |
| Playwright | 多浏览器 + 自动等待 + MCP + Trace | 高 | 极高 | Chromium / Firefox / WebKit | E2E、生产级 Agent | 比轻量方案占资源 |
| Puppeteer | CDP 深控，Node 友好 | 高 | 高 | 主 Chromium | 截图/PDF、简单脚本 | 浏览器覆盖有限 |
| Skyvern | 视觉 / 工作流向浏览器 Agent | 中高 | 中高 | 浏览器自动化 | 复杂表单、业务站点操作 | 成本与配置高于纯脚本 |
| Selenium | WebDriver 老牌标准 | 中 | 中 | 多浏览器 | 遗留自动化 | Agent / 现代 DX 弱于 Playwright |
ego-lite 和 agent-browser / Playwright 不在同一层：后两者是「驱动某个浏览器」的自动化层；前者是给人用的日常浏览器，并给外部 Agent 提供独立 Space + 登录态复用。需要「我已登录的站点、别抢我的标签页」时优先看 ego-lite；需要脚本化、CI、多浏览器或自建沙箱时仍看 agent-browser / Playwright / Steel。
怎么选
本地复用已登录浏览器看 ego-lite / BrowserSkill；脚本、CI 和多浏览器优先 Playwright；自托管浏览器会话池看 Steel；复杂业务流程看 Skyvern。 相关主题：项目选型。