Để các AI agent có thể thao tác trong những công cụ không có API, hãy cấp cho agent trình duyệt mà bạn đã đăng nhập sẵn, thông qua một máy chủ MCP điều khiển các tab thực. Agent đọc trang, nhấp, nhập liệu và thu thập bằng chứng, sau đó trả lại tab cho bạn để xử lý đăng nhập, 2FA và thanh toán. Mỗi công việc nên được đặt thành một task với tiêu chí hoàn thành rõ ràng, để một người xem xét kết quả trước khi mọi thứ được coi là xong.
Mọi đội nhóm đều có một công cụ mà agent không thể chạm tới: cổng thông tin của nhà cung cấp không có nút xuất dữ liệu, bảng quản trị nội bộ, dashboard mà API của nó bỏ sót thiết lập bạn cần. Agent lập trình của bạn refactor một dịch vụ trong mười phút, rồi lại bị kẹt ở một biểu mẫu mà con người phải điền thủ công.
Vì sao công cụ không có API cản trở AI agent
Một agent hoạt động thông qua các công cụ. MCP, hay Model Context Protocol, là tiêu chuẩn mở cho phép một agent gọi công cụ bên ngoài thông qua một giao diện duy nhất. Khi một sản phẩm có API, ai đó có thể bọc nó trong một máy chủ MCP. Nhưng nhiều công việc nằm ở những nơi không có wrapper nào tồn tại:
- Cổng thông tin của nhà cung cấp và đối tác chỉ có giao diện web
- Bảng quản trị nội bộ không có endpoint công khai
- Trang thiết lập SaaS mà API của nhà cung cấp không bao phủ
- Dashboard nơi con số bạn cần hiển thị trên màn hình nhưng không nằm trong bản xuất nào
- Quy trình bị chặn bởi single sign-on, 2FA hoặc captcha
Các giải pháp cũ đều mong manh. Một script headless sẽ hỏng ngay khi giao diện được thiết kế lại và không thể giữ phiên đăng nhập của bạn, còn việc sao chép dữ liệu thủ công vẫn giữ con người làm lớp tích hợp.
Cách tiếp cận trình duyệt đã đăng nhập
Cách tiếp cận trình duyệt đã đăng nhập nghĩa là agent điều khiển một tab thực trong trình duyệt hàng ngày của bạn, dùng các phiên đăng nhập sẵn có, thông qua một tiện ích mở rộng trình duyệt và một máy chủ MCP cục bộ. Agent không bao giờ giữ mật khẩu của bạn. Nó làm việc bên trong các phiên bạn đã mở, và tạm dừng ở bước đăng nhập, yêu cầu 2FA hay thanh toán cho đến khi có người xác nhận.

OpenCode Browse cho phép agent dùng trình duyệt của bạn như thế nào
Browse là “một máy chủ MCP và một tiện ích mở rộng Chromium” từ đội ngũ OpenCode. Kho mã nguồn của nó theo giấy phép MIT, và bản phát hành 0.1.0 ra mắt ngày 16 tháng 11 năm 2026. Nó hoạt động trên Chrome, Edge, Brave, Arc, Helium, Vivaldi, Opera và Chromium, và tương thích với OpenCode, Claude Code, Codex, Cursor, Zed cùng các MCP client khác.
Cài đặt nó trên máy tính nơi agent của bạn chạy:
# macOS / Linux
curl -fsSL https://opencode.ai/browse/install | bash
# or through npm, then register it with specific agents
npm i -g @opencode/browse
browse install -a claude codex
browse install thêm máy chủ MCP vào cấu hình cấp người dùng của từng agent (ví dụ ~/.claude.json cho Claude Code và ~/.codex/config.toml cho Codex), sau đó ghép nối tiện ích mở rộng. Việc ghép nối dùng mã một lần hết hạn sau 10 phút, và mỗi trình duyệt nhận một khóa riêng.
Agent mở các tab trong nền, được nhóm và thu gọn để không cản trở bạn, và làm việc qua các công cụ sau:
| Công cụ | Agent làm gì với nó |
|---|---|
navigate, tabs |
Mở một trang trong tab nền mới, hoặc đặt tên cho một tab để tái sử dụng |
snapshot |
Đọc bản tóm tắt gọn nhẹ của trang kèm các tham chiếu phần tử |
click, fill, type, select |
Thao tác trên một tham chiếu, với tốc độ nhập liệu như con người |
screenshot, recording |
Chụp màn hình hoặc quay tab thành video |
network, console |
Ghi lại lưu lượng mạng (đã che thông tin xác thực) và lỗi console |
handoff |
Yêu cầu bạn thực hiện phần chỉ con người mới làm được |
Bạn cũng có thể “cho mượn” một tab đang mở bằng nút trên thanh công cụ; nhấp lần nữa sẽ lấy lại tab.
Chuyện gì xảy ra khi gặp đăng nhập, yêu cầu 2FA hay thanh toán?
Agent sẽ gọi handoff. Một thẻ nhỏ hiện lên trên trang kèm nguồn gốc của trang web. Bạn đăng nhập, phê duyệt yêu cầu hoặc xác nhận thanh toán, rồi nhấp Continue. Chỉ một cú nhấp thật vào thẻ hoặc nút thanh công cụ mới kết thúc một handoff, nên trang web không thể giả mạo. Browse phát hiện tường Cloudflare và captcha rồi báo agent chuyển chúng cho bạn; nó không bao giờ tự giải chúng.
Bạn có thể giới hạn các trang web agent truy cập không?
Chỉ phần nào. Một tab được mở với allowedOrigins sẽ giới hạn điều hướng cũng như các tab và popup mà agent mở. Một tab được mở ở chế độ readOnly sẽ từ chối nhấp, nhập liệu và điều hướng. README nói thẳng về giới hạn này: đây là “hàng rào bảo vệ, không phải biên giới dữ liệu.” Các yêu cầu trang web tự gửi đi không được lọc. Lời khuyên của nó: “với những trang bạn không muốn agent đọc, đừng mở chúng trong browse.”
Chạy công việc trên trình duyệt dưới dạng task trong Sharkly
Browse trao cho một agent đôi tay trong trình duyệt của bạn. Khi nhiều agent cùng dùng các cổng thông tin, bạn cần biết ai đang làm gì và ai đã kiểm tra kết quả. Đó chính là lớp mà Sharkly thêm quanh các agent bạn đã đang chạy:
- Chọn Computer. Trong Sharkly, một Computer là máy chủ kết nối nơi một Agent chạy; nó cung cấp tệp, thông tin xác thực và công cụ mà công việc cần. Cài Browse trên Computer đó với cùng người dùng hệ điều hành mà dịch vụ cục bộ Sharkly chạy, để cấu hình cấp người dùng của agent bao gồm máy chủ
browse. - Giữ Agent trên máy chủ đó. Browse chạy cùng nơi với agent, nên hãy gắn công việc trên cổng thông tin vào Computer mà trình duyệt của nó giữ các phiên đăng nhập. Xem Computers in Sharkly để so sánh máy chủ cục bộ và máy chủ từ xa.
- Viết task như một phiếu công việc. Nêu rõ cổng thông tin, thay đổi chính xác, và một tiêu chí hoàn thành mà người xem xét có thể xác nhận (“danh sách hóa đơn hiển thị 40 dòng có ngày tháng tháng Mười; đính kèm ảnh chụp bộ lọc và số lượng”).
- Giao task cho Agent. Lượt chạy sẽ nhận tiêu đề task, mô tả, bình luận gần đây, chỉ dẫn của Agent và các Skills.
- Yêu cầu bằng chứng trên task. Chỉ dẫn của Agent có thể bảo Agent lưu ảnh chụp màn hình và đính kèm vào báo cáo bằng
sharkly task comment <task-id> --attachment <file>.
Chuyển đăng nhập cho con người mà không làm gián đoạn quá trình chạy
Một handoff sẽ chờ ai đó ở phía trình duyệt; nếu không có ai, lượt chạy sẽ đứng lại cho đến khi hết thời gian chờ của task. Một vòng lặp sạch hơn là để agent dừng lại và yêu cầu thông qua task.
Agent gặp trang đăng nhập, đăng bình luận (“Phiên cổng thông tin nhà cung cấp đã hết hạn; hãy đăng nhập trên trình duyệt của Computer, rồi trả lời”), và để task chờ phản hồi từ con người. Theo tài liệu thực thi, tín hiệu này chuyển vào Inbox, nơi người phụ trách mở task và trả lời ngay trong ngữ cảnh. Bạn đăng nhập một lần trong trình duyệt đó, trả lời trên task với @ đề cập đến Agent, và một lượt chạy tiếp theo sẽ tiếp tục với phiên đăng nhập vẫn còn đó.

Các phiên trong trình duyệt thực được duy trì, nên một lần đăng nhập thường đủ cho nhiều task. Hãy giữ handoff trực tiếp cho những lúc bạn đang ở bên bàn phím, ví dụ một giao dịch thanh toán bạn muốn theo dõi.
Dừng trước bước không thể hoàn tác
Với bất kỳ hành động nào có tính chất gửi đi, thanh toán hay xóa, hãy ghi điểm dừng đó vào task. Agent điền biểu mẫu, đính kèm ảnh chụp trạng thái đã điền, và chờ xét duyệt. Một người kiểm tra bằng chứng và phê duyệt bước cuối bằng một bình luận. Chúng tôi đề cập mô hình này trong cổng phê duyệt cho coding agent và khía cạnh chi phí trong hàng đợi xét duyệt cho browser agent.
Những rủi ro cần tính đến
- Prompt injection. Browse “cho rằng những gì agent đọc (một trang web, một email) có thể cố đánh lạc hướng nó.” Hãy đọc prompt injection và hàng rào bảo vệ cho agent trước khi trỏ agent vào email đến hoặc hàng đợi hỗ trợ.
- Những gì rời khỏi máy tính của bạn. Browse khẳng định không có gì rời khỏi máy tính của bạn ngoài những gì agent gửi tới nhà cung cấp mô hình của nó. Ảnh chụp màn hình và văn bản trang được gửi tới nhà cung cấp đó, nên hãy giữ các màn hình tính lương và hồ sơ khách hàng ngoài các tab của agent.
- Việc che giấu chỉ là một phần.
fillchỉ ẩn giá trị trong trường mật khẩu và mã một lần. Việc ghi lại lưu lượng mạng che thông tin xác thực theo tên và hình dạng, nên một bí mật nằm dưới tên trường thông thường vẫn có thể lọt qua. - Thanh công cụ gỡ lỗi. Browse điều khiển các tab qua debugger API của Chrome, nên trình duyệt sẽ hiển thị thanh “đã bắt đầu gỡ lỗi”. Nhấp Cancel sẽ ngắt kết nối Browse khỏi mọi tab.
Browser agent, API hay computer use: khi nào dùng cái nào
Dùng API hoặc máy chủ MCP xây dựng trên API bất cứ khi nào công cụ có nó: nhanh hơn, dễ xác minh hơn, và không hỏng khi giao diện được thiết kế lại. Dùng trình duyệt đã đăng nhập khi công việc chỉ tồn tại trong giao diện web, đặc biệt là sau single sign-on. Dùng computer use đầy đủ khi công việc vượt khỏi trình duyệt, ví dụ một ứng dụng desktop, và chấp nhận khối lượng xét duyệt lớn hơn; góc nhìn của chúng tôi về quản lý các computer-use agent đề cập trường hợp này.
| Phương án | Phù hợp nhất cho | Chi phí chính |
|---|---|---|
| API hoặc máy chủ MCP | Công cụ có endpoint được tài liệu hóa | Xây dựng hoặc tìm wrapper |
| Trình duyệt đã đăng nhập (Browse) | Cổng thông tin chỉ có trên web, dashboard sau SSO | Xét duyệt kết quả trên màn hình |
| Computer use đầy đủ | Ứng dụng desktop và công việc đa ứng dụng | Chạy chậm hơn, xét duyệt nặng hơn |
Kết luận
Công cụ không có API không còn là bức tường một khi agent có thể làm việc trong trình duyệt mà bạn đã đăng nhập sẵn. Browse là một cách mở, theo giấy phép MIT để làm điều đó, với các handoff giữ đăng nhập, 2FA và thanh toán trong tay bạn. Phần giúp mọi thứ an toàn ở quy mô đội nhóm chính là công việc xung quanh nó: mỗi công việc một task, tiêu chí hoàn thành rõ ràng, bằng chứng được đính kèm, và một người phê duyệt bước cuối. Hãy chọn một cổng thông tin mà đội nhóm của bạn truy cập hằng tuần, viết nó thành một task, và giao cho một Agent trong Sharkly.
FAQ
AI agent có thể dùng các website không có API không?
Có. Với một máy chủ MCP trình duyệt như Browse, agent đọc và thao tác trên các trang thực trong trình duyệt của bạn, dùng các phiên bạn đã mở. Nó không cần API key của trang, chỉ cần tiện ích mở rộng, máy chủ cục bộ và thông tin đăng nhập của bạn.
OpenCode Browse có mã nguồn mở không?
Kho mã của Browse là công khai theo giấy phép MIT. Bản phát hành 0.1.0 ra mắt ngày 16 tháng 11 năm 2026.
Agent có nhìn thấy mật khẩu của tôi không?
Công cụ fill của Browse ẩn giá trị được nhập vào các trường mật khẩu và mã một lần, còn handoff cho phép bạn tự nhập thông tin xác thực. Tuy nhiên agent vẫn thấy văn bản trang và ảnh chụp màn hình, nên hãy giữ các trang nhạy cảm ngoài các tab của agent.
Những coding agent nào hoạt động với Browse?
Browse nêu rõ OpenCode, Claude Code, Codex, Cursor và Zed, và browse install ghi cấu hình cho hơn 30 MCP client. Bất kỳ MCP client stdio nào cũng có thể chạy browse mcp.
Agent có thể chạy trên máy chủ trong khi trình duyệt của tôi ở trên laptop không?
Có. Chạy browse install --remote trên máy chủ của agent và kết nối tiện ích mở rộng qua mạng. Browse không tự mã hóa liên kết đó, nên hãy dùng mạng được mã hóa như Tailscale hoặc WireGuard.



