camofox-browser

camofox-browser – 开源 AI Agent 反检测浏览器

Camofox Browser 是一款创新的开源 AI Agent 反检测浏览器服务器，它以 Camoufox（一个经过深度 C++ 级优化和指纹魔改的 Firefox 版本）为基础。该浏览器通过 REST API 为 AI 提供高度精炼的网页快照，其体积相比原始 HTML 缩减了惊人的 90% 以上。更重要的是，它能够生成稳定且易于 AI 理解的元素引用，例如 e1、e2 等，从而使 AI 能够直接、高效地与网页元素进行交互。

Camofox Browser 的核心功能

• 底层反检测浏览技术： Camofox Browser 在 C++ 层深度伪造各类浏览器指纹信息，包括硬件并发数、WebGL 渲染器、AudioContext、屏幕几何信息以及 WebRTC 等。这种底层级别的伪装使得 JavaScript 层面的检测几乎无法识破，从而有效绕过 Cloudflare 等主流反爬验证机制。
• 精炼的网页快照： 该浏览器将复杂的原始 HTML 文档提炼成一种带有编号标签的“可访问性快照”。这种快照不仅体积大幅缩小，而且保留了页面的关键语义结构，AI 可以直接通过 e1、e2 等稳定引用与页面上的特定元素进行交互，极大地简化了 AI 的操作流程。
• 便捷的会话管理： Camofox Browser 支持导入 Netscape 格式的 Cookie 文件，实现无缝的免登录访问。同时，用户的会话信息，包括 Cookie 和 localStorage，会被自动持久化到本地，确保在重启后依然保持登录状态，无需重复登录。
• 强大的搜索宏指令： 内置了超过 15 种主流平台的搜索宏指令，例如 @google_search、@reddit_search、@youtube_search 等。用户只需一行命令，即可直达目标搜索结果页面。特别值得一提的是，Reddit 搜索宏可以直接返回结构化的 JSON 数据，进一步提升了 AI 处理信息的效率。
• 智能代理与地理位置匹配： 该浏览器支持住宅代理和 Backconnect 旋转代理。它能够根据代理的出口 IP 地址，自动匹配并设置浏览器的时区、语言和地理坐标，从而维持指纹的一致性，避免因代理 IP 变化而引发的检测问题。
• YouTube 字幕快速提取： 集成了 yt-dlp 工具，能够快速提取任意 YouTube 视频的字幕，无需额外的 API Key。它还支持多语言字幕的筛选，为内容分析提供了便利。
• 可视化交互登录： 通过 noVNC 技术，用户可以在浏览器中手动完成复杂网站的交互式登录过程。完成登录后，可以将存储的状态导出，供后续的 AI 自动化任务复用，解决了 AI 完成复杂登录的难题。
• 详细的会话追踪与调试： 支持按会话开启 Playwright 追踪功能，生成包含截图、DOM 快照和网络请求的 .zip 文件。这为事后排查问题提供了详尽的记录，便于定位和解决自动化过程现的异常。
• 轻量级部署与弹性伸缩： Camofox Browser 的内存占用非常低，空闲时仅需约 40MB。它支持 Docker、Fly.io、Railway 等多种平台的一键部署。同时，采用了浏览器引擎的懒加载和空闲时自动关闭机制，有效降低了资源的常驻占用。

Camofox Browser 的技术实现原理

• C++ 层面的指纹： Camoufox 通过修改 Firefox 的源代码，在 C++ 层直接篡改 navigator.hardwareConcurrency、WebGL 渲染字符串、AudioContext 指纹、屏幕分辨率以及 WebRTC 等关键属性。这种方式确保了反爬系统在 JavaScript 代码执行之前，就已经接收到伪造的参数，从而提高了的成功率。
• Accessibility Tree 的快照生成： 该浏览器利用 Playwright 的 accessibility 树 API 来提取页面的语义结构。生成的快照是文本化的，并且包含了稳定的元素引用，这种方式有效替代了原始 DOM，并将其传递给大型语言模型（LLM），极大地提高了 AI 处理页面的效率。
• Playwright 浏览器上下文隔离： 每个用户或任务都对应一个的 BrowserContext。这意味着 Cookie、localStorage、缓存等信息都是完全隔离的，有效避免了不同会话之间的信息串扰，保证了数据的性和安全性。
• 按需加载与空闲回收机制： Camofox Browser 在首次接收到请求时才会启动 Camoufox 引擎，其初始内存占用约为 300MB。一旦在 5 分钟内没有活跃的会话，浏览器进程会自动关闭，从而显著降低了系统的常驻资源消耗。
• 结构化的 JSON 日志输出： 所有请求和响应都会输出为单行 JSON 对象，并包含 reqId 字段。这使得在分布式环境下，日志的聚合和链路追踪变得更加便捷和高效。

Camofox Browser 的使用指南

• 安装必要的依赖： 在项目目录中执行 npm install @askjo/camofox-browser 命令进行安装。首次安装时，系统会自动下载约 300MB 的 Camofox 引擎文件。
• 本地启动服务： 克隆项目仓库后，运行 npm install && npm start 命令即可启动本地服务。服务默认在 http://localhost:9377。
• 生产环境的安全配置： 为了增强安全性，在生产环境中，需要生成一个 32 位的十六进制密钥，并将其设置为环境变量 CAMOFOX_ACCESS_KEY。所有后续的请求都必须携带 Authorization: Bearer <key> 头部信息进行身份验证。
• 导入 Cookie 实现免登录： 将从浏览器导出的 Netscape 格式 Cookie 文件放置在 ~/.camofox/cookies/ 目录下。之后，可以通过 API 调用或 OpenClaw 插件的导入工具，将 Cookie 注入到相应的会话中。
• 创建标签页并获取网页快照： 向 /tabs 端点发送 POST 请求，即可创建一个新的标签页。随后，通过调用 /tabs/:id/snapshot 端点，可以获取包含 e1、e2 等稳定引用的结构化页面摘要信息。
• 执行页面交互操作： 可以通过向 /tabs/:id/click 或 /tabs/:id/type 端点发送请求，传入元素引用编号以及需要输入的文本内容，从而实现点击和输入等页面交互操作。
• 利用搜索宏进行导航： 调用 /tabs/:id/navigate 端点，并传入 "macro": "@google_search" 和 "query": "关键词" 参数，即可直接导航到搜索结果页面，无需手动构建 URL。
• Docker 部署： 在项目根目录下执行 make up 命令。Makefile 会自动检测 CPU 架构并预先下载所需的二进制文件，整个构建和启动过程通常在 30 秒内完成。

Camofox Browser 的突出优势

• 高效规避主流反爬与验证： 由于其指纹伪造能力在 C++ 底层实现，Camofox Browser 能够稳定地绕过 Google、Cloudflare 等平台的机器人检测，显著减少触发人机验证的频率。
• 极高的 Token 效率： 生成的结构化快照相比原始 HTML 文件，体积缩减了 90% 以上。这极大地降低了大型语言模型（LLM）的上下文窗口占用，从而有效节省了 API 调用成本。
• 稳定可靠的元素引用： 即使页面布局发生微小调整，通过 accessibility 树生成的 e1、e2 等元素引用依然能够保持有效。这大大降低了 AI Agent 因页面 DOM 变化而导致操作失败的可能性。
• 开箱即用的搜索能力： 内置的 15+ 种搜索宏覆盖了绝大多数主流信息源，AI Agent 无需自行构建搜索 URL 或解析页面内容。特别是对于 Reddit 等平台，直接返回结构化 JSON 数据，极大地提升了数据处理的便捷性。
• 生产级安全模型： 默认情况下，Cookie 导入功能是关闭的（需要 CAMOFOX_API_KEY 才能启用）。它支持全局 Access Key 鉴权，并具备路径遍历防护能力。所有敏感数据都在运行时注入，确保了零硬编码密钥，符合生产环境的安全要求。

Camofox Browser 的项目地址

• GitHub 仓库： https://github.com/jo-inc/camofox-browser

Camofox Browser 与同类竞品的比较

Camofox Browser 的应用场景

• AI Agent 的网页自动化： 为基于大型语言模型（LLM）的智能体提供一个强大的可编程浏览器后端，使其能够执行数据抓取、表单填写、信息检索等一系列网页自动化任务。
• 电商与竞品信息监控： 有效绕过电商平台的反机制，实现商品价格、库存、评价等信息的自动化抓取。该工具还支持在登录状态下进行账号级数据采集，满足更精细化的监控需求。
• 社交媒体自动化管理： 通过导入 Cookie，可以实现对 Twitter、LinkedIn、Instagram 等社交媒体账号的自动化运营，包括内容发布、用户互动以及数据分析等。
• 学术研究与舆情分析： 利用内置的搜索宏，可以快速检索 Google、Wikipedia、Reddit 等平台的信息，并提取 YouTube 视频字幕，为学术研究和舆情分析提供丰富的数据支持。
• 云端自动化测试： 将 Camofox Browser 部署在 VPS 或容器环境中，作为无头浏览器服务，为持续集成/持续部署（CI/CD）流程中的端到端测试和网页监控提供强大的支持。