Skip to main content

为什么 Agent in browser 跑不通，Browser in agent 跑得通？

· 8 min read

AI 时代浏览器的角色正在反转 —— 过去三年「把 agent 塞进浏览器」（agent in browser，AI 浏览器）这条路线已经被验证为死胡同，OpenAI Atlas 不到 10 个月就宣告停服；新范式是「把浏览器塞进 agent」（browser in agent，内嵌浏览器），浏览器作为 agent 的工具组件存在。

  1. 范式反转：浏览器在 AI 时代从「容器」降级为「工具」。
  2. 根本原因：用户心智太窄，必须先有想法才打开浏览器；而 agent 时代用户常驻的是 agent。
  3. 新范式优势：browser in agent 把浏览器变成按需工具，避免了独立 AI 浏览器的心智负担。
  4. 规律可推广：不局限于浏览器，凡是「agent 接管传统软件」都跑得通，凡是「独立 AI 垂直软件」都可能会重演 Atlas 结局。
  5. 趋势结论：用户的工作流以 agent 为中心，传统软件是被调用的工具。

一、Agent in browser 这条路，已经被事实否定​

结论：过去三年把 agent 塞进浏览器这件事，从产品形态到公司命运都已经被否定。

三个标志性事件按时间排列：

时间产品结局
2024Monica、Sider AI 等浏览器插件增长见顶，AI 红利被通用 chatbot 稀释
2025-04The Browser Company 发布 Dia（Arc 团队做的 AI 浏览器）2025-09 公司被 Atlassian 以 6.1 亿美元收购
2025-10ChatGPT Atlas（OpenAI 自家浏览器）2026-08-09 宣布停止服务，上线不到 10 个月

三件事连在一起看，信号已经非常清楚：独立 AI 浏览器不是用户真正想要的形态。OpenAI 亲自下场做浏览器都没跑通，更别说其他玩家。

为什么 Atlas 撑不过 10 个月？​

结论：浏览器本身的用户心智太窄，必须先有想法才会打开。

普通用户一天可能打开 100 次浏览器，但每次都是带着「我要搜 X / 我要看 Y / 我要买 Z」的具体意图来的。这种使用模式决定了：

  • AI 是辅助：在已有明确目标的前提下，AI 帮用户做摘要、改写、对比 —— 这是合理的。
  • AI 不是入口：用户不会因为「想跟 AI 聊聊」就专门去打开一个浏览器。ChatGPT 那种独立对话框才是入口形态。

OpenAI 把 ChatGPT 塞进浏览器，本质上假设「未来用户上网的第一步是问 AI」，但用户的真实路径是「先想到要做什么，再决定用哪个工具」。把 AI 当成浏览器的入口，是把因果关系搞反了。

二、Browser in agent：把浏览器降级为工具​

结论：新范式不试图替代浏览器，而是把浏览器内嵌到 agent 里，按需调用。

代表性产品是 Codex 这类桌面级 AI Agent：用户的主要工作区是 agent 本身，浏览器只是 agent 用来「看一眼」现实网页的工具组件。

这种范式能跑通，关键在于对齐用户习惯：

  • agent 是常驻：用户开电脑就开 agent，不需要额外心智负担。
  • 浏览器是按需：当 agent 需要查询某个网页、填某个表单、操作某个 SaaS 时，临时调用浏览器。
  • 融合而非替代：浏览器渲染的是真实网页，agent 在旁边看着内容做决策、做操作。
实战示例

agent 在写作过程中需要查一个外部数据源 —— 它可以直接打开浏览器访问该网站、读取页面内容、提取数据填回工作区，全程不需要用户手动切换窗口。

三、浏览器的真正价值：面包屑 + 接管繁琐操作​

结论：浏览器在 agent 时代不是被取代了，而是被重新定位 —— 它的核心价值是「真实网页」和「可操作性」。

3.1 搜索质量：面包屑是 web search 给不出的​

结论：浏览器渲染的网页自带面包屑，内容质量比 web search 高一个量级。

web search（无论哪家）本质上都是「纯文本 + URL 列表」。它的问题在于：

  • 看不到上下文：返回的片段是孤立的，关联信息要靠用户自己去点。
  • 结构被压平：网页原本的标题层级、章节关联、引用链条都被打散了。
  • 同义噪声大：纯文本搜索的 ranking 信号弱，容易被 SEO 农场污染。

浏览器渲染的真实网页则保留了所有这些结构 —— 标题、副标题、内链、外链、表格、列表，每一层都是网页之间的导航线索。这和 web search 给你的一段孤立纯文本片段不是一回事 —— 后者切掉了所有关联结构，只剩几行文字。

这就是为什么「用浏览器搜索」能搜到很多 web search 搜不到的相关内容 —— 因为真实网页本身就是一张图，而 web search 只给你图上的几个孤立节点。

3.2 操作能力：接管繁琐但简单的网页任务​

结论：浏览器是 agent 接管人类繁琐操作的最自然载体。

人类每天有一大堆「必须上网做、但又不想做」的事：

  • 跨地区税务申报（不同国家的表单系统、字段命名、上传格式都不一样）
  • 各种后台的报表填写（周报、月报、合规报表）
  • 重复性回复（评论区、客服工单、用户群消息）

这些事情有共同特点：

  • 逻辑简单：规则明确，agent 看一眼就知道该填什么。
  • 操作繁琐：需要在多个页面之间跳转、上传文件、点击确认。
  • 容错率高：填错一次可以撤回，不会造成灾难性后果。
落地形态

agent 调用浏览器自动登录 SaaS 后台 → 读取所需数据 → 自动填表 → 截图留底 → 提交确认。整个过程用户只需要授权一次，剩下的全程自动化。

这种能力放在「独立 AI 浏览器」里会很尴尬 —— 用户得专门打开浏览器、等 AI 启动、再描述任务。但在 agent 内嵌浏览器的形态下，agent 顺手就把这些事办了，用户甚至不需要感知到浏览器的存在。

四、内嵌 vs 独立：选择已经很清楚​

结论：内嵌浏览器不是过渡方案，而是终局形态。

独立 AI 浏览器路线（Atlas / Dia）失败的核心原因，是它把 agent 当成浏览器的入口。这相当于让用户为了偶尔喝一杯水而专门买一台咖啡机。

内嵌浏览器路线（Codex）则反过来 —— 浏览器只是 agent 工具箱里的一个组件，就像 IDE 里集成的终端、数据库 GUI 里集成的 SQL 编辑器。工具属性，没有心智负担。

判断标准很简单：用户的工作流是「先打开 X 再做 Y」还是「先有想法 Y 再去调 X」？

  • 前者适合独立 AI 浏览器，但用户的工作流从来不是这样。
  • 后者适合 agent 内嵌浏览器，用户始终在 agent 里，需要时调用浏览器。

这一规律不局限于浏览器。Codex 这类 agent 把 Office、财务与工业软件都当成按需工具调用 —— 凡是「agent 接管传统软件」的组合都跑得通，凡是「独立 AI 垂直软件」都可能会重演 Atlas 的结局。结论一致：趋势是用户的工作流以 agent 为中心，传统软件是被调用的工具。

更深一层的变化是用户角色本身的转变。过去人必须亲自驻守在工作流的某个节点上 —— 录入、核对、协调，每一步都不能出错；现在 AI 接管了这些底层操作，人类的管理边界和职责范围被大幅扩展 —— 需要的是能调度整条工作流的 Agent 大管家，而不是某个节点的细节工具。

References​

  1. 分享一下 Proma 内嵌浏览器的最佳实践 —— ErlichLiu, 哔哩哔哩
  2. OpenAI 旗下 ChatGPT Atlas 浏览器 8 月 9 日停止服务 —— 观点网, 2026-08-04
  3. 聊几句 Dia 浏览器被收购的事 —— 腾讯新闻, 2025-09-05