给 Agent 接浏览器自动化,最磨人的不是抓取逻辑,是 Chrome 本身。你得起进程,得管它什么时候关,得在多次请求之间保住 cookie 和登录态,还得防着它内存越吃越大。这些事跟业务一点关系没有,却占掉大半代码。全是脏活。
steel-browser 想把这摊事整体接走。它自称 open-source browser API for AI agents,底下管三样东西,session、page、browser process。我装它的 SDK 看了一遍,下面是我看到的。
三层是它的骨架
README 里那句话我核过,它说 under the hood 管 sessions、pages、browser processes。session 是核心抽象,一个 session 就是一个浏览器实例,带着 cookies、localStorage、登录态,跨请求活着。这是关键。page 是具体页面,靠 Puppeteer 和 CDP 操作 Chrome。process 是底层 Chrome 进程,生命周期它自己管,自动清理。
这三层把「状态」和「执行」分开了。你建一个 session,之后所有 page 操作都挂在这个 session 上,登录态自然延续。你不用碰进程,它到期自动回收。这跟直接用 Puppeteer 是天壤之别,那会儿这三件事全是你的。省心。
装 SDK,连 server 撞墙
我装的是 Node SDK。我跑 npm install steel-sdk,输出 added 37 packages,9 秒装完,版本 0.23.0。装完我写了几行。
import Steel from "steel-sdk";
const client = new Steel({ baseURL: "http://localhost:3000" });
const session = await client.sessions.create({ blockAds: true });
console.log(session.id);
我跑这段,报错 Connection error。原因不在 SDK,在 server 没起。steel 的 server 得先跑起来,README 给了三条路,最省事是 docker 跑官方镜像。
docker run -p 3000:3000 -p 9223:9223 ghcr.io/steel-dev/steel-browser
我查了本机 Docker,版本 29.4.0,装是装了。我跑 docker ps 想看容器,输出 failed to connect to the docker API,daemon 根本没起。所以我这条连 localhost:3000 的请求,自然没人接。我试了 1 遍,还是 Connection error。
我把我做的动作原样记一下,方便你照着复现。我先跑 npm install steel-sdk,输出 added 37 packages,9 秒装完。接着写了个 ESM 脚本,import Steel 进来,跑 console.log 打版本,输出 steel-sdk version 0.23.0。然后我 new 了个 Steel,baseURL 指到 localhost:3000,跑 client.sessions.create,报 Connection error。最后跑 docker ps 查 daemon,输出 failed to connect。四步走完,结论是 SDK 能用、server 没起。不是 SDK 的锅。
这个报错本身说明了一件事。steel-sdk 是个薄封装,它本身不带浏览器,所有的活都在 server 端。SDK 的 sessions.create 就是往 /v1/sessions 发个 POST。server 没起,就是 Connection error。就这一层。
API 形状比想象的全
虽然没跑通 server,我把 SDK 的 api.md 打开读了 1 遍。它不只是抓网页。顶层有 pdf、scrape、screenshot 三个快捷方法,一次调用出结果。
const md = await client.scrape({ url: "https://example.com" });
const shot = await client.screenshot({ url: "https://example.com" });
session 下面有 files,能往浏览器里传文件、下载文件。还有 credentials 存凭证,extensions 装扩展,profiles 管指纹,computers 给计算机操作,checkpoints 存快照。
这里我注意到一个细节。它的 scrape 能直接把页面转成 markdown,README 里还提了 readability、screenshot、pdf。这对 Agent 特别有用。Agent 要的不是一整页 HTML,是干净文本。steel 在 server 端把这一步做了。
session 的生命周期这块我多说两句。它的 API 里有 sessions.release 和 releaseAll,是显式释放。README 里提了 resource management,自动清理和浏览器生命周期管理。意思是 session 不是无限占着的,有超时回收。这对跑 Agent 的人很关键。Agent 跑起来容易忘关浏览器,一个个 session 挂在后台,内存被 Chrome 吃空。steel 帮你兜这个底。
我把 api.md 打开看了 1 遍,方法清单里 sessions 下面有 create、list、retrieve、release、releaseAll,还有 context 拿上下文、events 看事件、liveDetails 看实时状态。这套 API 的意思是,session 从出生到回收,全程有接口可查、可控。这是它跟「自己 spawn 一个 Chrome 再自己 kill」的本质差别。
反检测是它少见的卖点
README 的 highlights 里我特别盯了两条。anti-detection,内置 stealth 插件和指纹管理。proxy support,内置代理链做 IP 轮换。这两条是给 live web agent 准备的。普通爬虫无所谓,但要登录第三方网站、模拟真人操作的 Agent,撞上反爬是家常便饭。
我的判断是,这两条是它跟 Playwright 裸用拉开差距的地方。Playwright 也 stealth,但那些反检测参数要你自己配、自己维护。steel 把它做成了 server 的一项默认能力。代价是你要接受它的黑盒。我觉得值。
拿它跟裸用 Playwright 比一下,差别就清楚了。裸用 Playwright,你要自己写 launch 起浏览器,自己管理 context 的 cookie 和 storage,自己在 try finally 里 close,自己处理崩溃重启。steel 把这些全接走,你只跟 REST 打交道。代价是引入一个常驻 server,多一层网络调用,多一个要部署和监控的组件。
我的判断是,这个交换对 Agent 场景是划算的。Agent 的浏览器会话数量多、生命周期乱、还经常要并发跑,自己写生命周期管理,最后都会写成一个 bug 缠身的 mini-steel。不如直接用现成的。
值不值得上
给个分界。你的 Agent 要做的是一次性抓取,直接用 Playwright 或 Puppeteer 更快,少一个 server 的部署负担。你的 Agent 要长时间、多会话、带登录态地操作网页,或者要多台机器共享一个浏览器池,steel 的三层托管就值了,尤其反检测和自动回收这两块,自己写要费老劲。它还在 public beta,README 自己标的,接口可能变。
一句话。steel-browser 值钱的地方,不是又多了个浏览器自动化库,是它把 Chrome 的生命周期这摊烂事,从你的代码里整个搬走了。