北京时间 8 月 27 日，Anthropic 终于给 Claude 加上了一项看起来很普通的功能——内置浏览器。

最新版本上，Claude Cowork 遇到需要访问网站的任务，可以直接在桌面端侧边栏打开自己的浏览器，阅读网页、点击、输入、填写表单，不再依赖 Claude in Chrome 扩展。Anthropic 对它的描述也很直接：

很多网页任务并不需要「你的浏览器」，Claude 只需要「一台浏览器」。

这句话其实挺有意思。因为在今天这批通用 Agent 桌面端里，浏览器远没有想象中普及。

ChatGPT 是少数走得比较早的。Codex 桌面端此前就内置了一套基于 Chromium 的浏览器，后来这套能力随着 Codex 并入新版 ChatGPT 桌面端被保留下来，包括标签页、下载、登录状态和常见设置基本齐全，最近甚至加入了网页注释，让用户可以直接在页面上圈选、批注，引导 AI 接着干活。

国内则是另一番景象。

我最近实际体验了几款通用 Agent 桌面端，千问办公和腾讯 WorkBuddy 至今都没有内置浏览器。需要处理网页时，它们可以搜索、抓取信息，也有自己的网页操作能力，但没有给 Agent 准备一块完整、持续存在的浏览器环境。千问办公还提供了浏览器插件，WorkBuddy 甚至需要通过配置 MCP，才能操控电脑上安装的浏览器。

豆包工作已经把浏览器做进去，打下了一定基础，也有初步的人机协同设计，不过还要期待完整体验的继续优化。

Claude 原本也属于前一类。过去 Claude Cowork 想真正操作网页，主要依靠 Claude in Chrome 浏览器插件，把控制能力伸进用户已经打开的 Chrome。现在 Anthropic 干脆自己带了一台浏览器。

看起来，各家只是又补齐了一项功能。但如果把 ChatGPT、Claude、千问办公、WorkBuddy 和豆包工作摆在一起，会发现一个越来越难绕开的问题：一个想要真正接管电脑工作的通用 Agent，是否一定需要自己的浏览器？

在 ChatGPT 之后，豆包和 Claude 也都给出了答案。

过去，Agent 都靠「借用」本机浏览器

Agent 操作浏览器「干活」已经不是什么新鲜事，但往往还需要「借」用户的浏览器。

Claude 此前依赖 Claude in Chrome。用户安装 Chrome 插件并授权之后，Claude Cowork 或 Claude Code 就能进入正在使用的 Chrome，读取页面、点击链接、输入文字、跨标签页工作，遇到需要登录的网站，也可以直接利用用户现成的登录状态。

千问办公也差不多。桌面端虽然没有自己的浏览器，但提供了浏览器插件。用户开启相关扩展并保持 Chrome 运行，千问就能调用浏览器完成点击、输入和信息采集。官方甚至明确建议，碰到网页任务时优先使用浏览器自动化，因为相比直接操控整台电脑，它更快、更精准。

WorkBuddy 更「工程师」一点。它本身没有准备浏览器，连接外部工具主要依靠 MCP。腾讯官方将 WorkBuddy 的连接器定义为 MCP + CLI 或 Skill + CLI，用户也可以自行配置 MCP Server。真要让它操作网页，其中一种常见做法，就是接入 Playwright 之类的浏览器自动化 MCP，让 Agent 间接控制电脑上的浏览器。

思路其实差不多。Agent 没有浏览器，就想办法借一台。

这种做法最直接的好处就是，可以复用用户已经使用的浏览器。账号登录好了，Cookie 在，插件也装好了，网页就在眼前，Agent 接手之后马上就能干活。尤其是企业后台、邮箱或者其他高度依赖登录状态的网站，重新在另一台浏览器里登录一次，本身就是额外成本。

用户也更容易监督。Agent 点击了什么、填了什么，基本都发生在熟悉的 Chrome 里，发现不对随时可以接管。

MCP 还有一个优势——开放。今天给 WorkBuddy 接 Playwright，明天还可以继续接数据库、GitHub、Notion 和内部系统，Agent 不需要为每一种能力重新设计一套接口。这也是 MCP 速成为 Agent 基础设施的重要原因。

但到了真正高频使用的时候，「借浏览器」的问题也慢慢暴露出来。

首先是麻烦。Claude 和千问至少还准备好了插件或连接器，WorkBuddy 这类 MCP 方案往往还需要用户自己寻找、安装和配置工具。对于开发者，这几步算不上门槛；对普通办公用户，就已经偏离了「告诉 Agent 一句话，然后等结果」的产品逻辑。

此外，人的浏览器和 Agent 的浏览器，本来就有不同需求。

人类的 Chrome 里塞着几十个标签页、插件、历史记录和各种账号，随时还可能被本人拿回来继续工作。Agent 执行一个半小时的任务，却更希望浏览器环境固定、状态可控，可以随时新建标签页、下载文件、维持登录，失败之后还能知道刚才进行到了哪里。

两个人抢一把方向盘，当然能开，体验很难做到稳定。

更现实的问题还有依赖。Chrome 没启动、插件被禁用、权限没开、版本不兼容，Agent 的网页能力都可能直接失效。千问办公的官方文档就特别提醒，浏览器自动化需要保持 Chrome 运行，登录状态过期后，定时任务也可能卡在登录页面。

所以在合并之前，Codex 很早就换了一条思路，既然 Agent 天天都要用浏览器，那就自己带一台。

豆包工作、Claude 也走到了这里。

内置浏览器之后，浏览器的版本、权限、标签页、下载、Cookie 和任务状态都可以由 Agent 平台统一管理。用户不需要提前安装插件，也不用保证自己的 Chrome 正好处于合适状态。需要网页时，Agent 自己拉起浏览器，干完再继续后面的任务。

就像 Anthropic 介绍这次 Claude 更新时说的：有些任务确实需要「你的浏览器」，但更多任务只需要「一台浏览器」。

当然，现阶段还不存在「非此即彼」。Claude 加入内置浏览器的同一天，也正式扩大了 Claude in Chrome 的使用范围。ChatGPT 已经有了完整的内置浏览器，同样继续保留 Codex Chrome 扩展。

插件负责接管「我的浏览器」，内置浏览器负责给 Agent 一台「自己的浏览器」。当通用 Agent 开始真正接手工作，后者迟早都会需要。

浏览器将被豆包工作们彻底「吞掉」？

Claude 这一步早晚都会来。

就在上月，OpenAI 宣布关停 ChatGPT Atlas（AI 浏览器），我们的判断是，AI 浏览器这条产品路线正在遇到一个很尴尬的问题—— Agent 发展得太快，已经开始把浏览器本身「吞」进去。

Atlas 就是最典型的例子。2025 年 10 月，OpenAI 发布 Atlas，希望重新思考浏览器。不到十个月后，它就宣布停止服务，原本属于 Atlas 的浏览器智能体能力随后被转移到 ChatGPT 和 Codex。

在 Atlas 时代，逻辑还是把 Agent 塞进浏览器：用户打开浏览器，Agent 帮你理解网页、操作网页、完成任务。到了 Codex，再到今天的 ChatGPT 桌面端，顺序已经反了过来：

用户先打开 Agent，需要网页时，Agent 再打开浏览器。

我最近使用 ChatGPT 桌面端时，这种感觉已经相当明显。内置的 Chromium 并不只是一个临时网页窗口，常见的标签页、刷新、下载、登录和基础设置基本都有，用户真有需要，完全可以把它当一台正常浏览器使用。

但大部分时候，我其实不需要。让 ChatGPT 找资料、进入网站、操作后台或者完成一项网页任务时，浏览器只是执行过程中的一个窗口。真正需要我介入的时候，再打开看看它做到哪一步，或者直接接管。

最近加入的网页注释更有意思。用户可以在页面里圈出某一块内容、留下指示，再让 AI 接着处理。浏览器在这里越来越像 Agent 的工作台和人与 Agent 之间的交接界面。

这和传统浏览器的使用逻辑已经有很大距离。

过去，我们自己搜索、打开网页、切换标签页、比较信息，再填写表格；Agent 接手之后，这些动作开始被压进后台。用户看到的越来越多是任务和结果，网页只在必要的时候出现。

浏览器最自然的位置是在 Agent 平台内部，按需出现。

这并不意味着浏览器没有价值。恰恰相反，在 API、MCP 还没有覆盖整个互联网之前，浏览器可能是 Agent 最重要的基础设施之一。

现实中的大量网站仍然围绕人设计。登录、验证码、复杂后台、动态页面、上传下载、支付，都离不开完整浏览器环境。Agent 可以优先调用 API，可以走 MCP，也可以直接获取结构化网页数据，但遇到这些「老互联网」留下来的界面，最后还是要打开 Chromium，像人一样点击、输入和提交。

区别在于，浏览器越来越不需要人主动打开。

从这个角度看，国内几个通用 Agent 桌面端大概率逃不开同一条路。豆包工作其实已经先走了一步，内置了浏览器给 Agent 直接使用，也有一定的人工协助设计，只是功能还很初级，更多承担「把网页打开给 Agent」的作用。大胆预测，接下来的更新中，都豆包还会进一步完善补齐浏览器的基础功能，以及更自然的人机协作。

千问办公和 WorkBuddy 的问题更加直接。浏览器插件和 MCP 完全可以让 Agent 操作网页，但随着任务变长、网页操作变多，Agent 对一个稳定、独立、可以长期保持状态的浏览器环境的需求只会越来越强。

写在最后

ChatGPT 已经内置浏览器，Claude 现在跟进，豆包工作已经有了一个雏形。千问办公、WorkBuddy 什么时候补上，很大程度只是产品节奏的问题。

另一边，当越来越多 Agent 开始内置浏览器，真正需要人类亲自使用的「AI 浏览器」却可能越来越少。

未来浏览器当然不会消失。Agent 甚至可能比今天的人类打开更多网页、启动更多浏览器实例。但对用户来说，它会越来越像文件系统、Shell 或数据库一样，藏进 Agent 的执行过程里。

过去浏览器是我们进入互联网的入口。接下来，它越来越可能成为 Agent 进入互联网的入口。

至于人类，我们只需要告诉它想做什么。