浏览器成了 API
最近 GitHub 上冒出来一个 bb-browser，许多人见了它的自述，便两眼放光，因为那句话说得很会勾人：你的浏览器，本身就是 API。我一开始却没有这么激动。这样的话，我这些年见得多了，十句里倒有九句是把旧东西换个壳再卖一遍，仿佛只要名目够新，世界也就跟着焕然一新了。OpenClaw 这一类 Agent 工具这阵子正热，什么都要往上面挂，浏览器控制自然也成了一门显学，所以我起初怀疑，bb-browser 多半不过是把自动化脚本改头换面，顺手赶了这一班车罢了。
真正上手之后，才知道它并不只是换皮。它厉害之处，不在于“会点网页”，那本是 Playwright、Puppeteer 们早就会做的旧事；它的要害在于，第一，它接得上你已经登录过的浏览器环境，第二，它让模型直接对网页下手，而不必先去求人家的 API。别看这只是两层纸，一捅破，意味却很不一样。过去折腾 OpenClaw，一大半时间并不是花在“让模型思考”上，而是花在“给模型找手脚”上。一个网站没有 API，事情便做不成；有 API 而权限抠得很死，事情也做不成；即便接口开得痛快，登录、回调、配额、风控，一层层剥下来，往往只剩下一句空话：理论上可以。理论上当然什么都可以，实际上则未必。
我拿它试的，倒不是什么惊天动地的大场面，只是一些很琐碎、却恰恰最能暴露问题的动作。浏览器里原本就登着 X、YouTube 和几个后台，我让 Agent 去打开页面、找按钮、点进去、填几句内容，再提交。照理说，这不过是人手做惯了的事情，没什么了不起；可放在 Agent 的语境里，意义便出来了，因为它不再需要我先去翻文档，看对方有没有开放接口，也不需要我再造一套登录态，把 Cookie 搬来搬去，像做贼一样躲平台的监视。浏览器开着，账号在里面，Agent 便接上去做事。事情忽然就顺了。
这顺，不是技术说明书上那种“能力增强”，而是那种很实在的顺。以前用 OpenClaw，我总觉得它像个嘴很利索、手脚却被绑住的人，主意不少，动作极少，常常在最后一步卡死：想发内容，先找 API；想操作后台，先看文档；想跑完整流程，先申请权限。到了 bb-browser 这里，许多原本需要绕半天路的事情，忽然成了“看见按钮，点下去”这么简单。说到底，互联网原本就是给人点的，不是天生给 API 调的。如今不过是让模型学着照人的路数再走一遍，倒像是把事情还原回去了。
不过也不要高兴得太早。凡是这种看上去很像“从此天下太平”的东西，往往都在别处埋了雷。bb-browser 最大的麻烦，恰恰也来自它最大的本事：它碰的是你的真实浏览器，你的登录状态，你的会话环境。换言之，它不是隔着 API 在门外说话，而是已经进屋坐下了。这种权限，一旦给出去，便不是开玩笑的。你若拿主账号去试，出了事情，轻则操作乱掉，重则账号翻船；而平台那边也不是瞎子，网页动作是不是人做的，节奏是否诡异，停留是否自然，很多时候人家心里有数。脚本时代会撞上的墙，这里一堵也不会少，只不过形式换了而已。
稳定性也是一样。用 API，规矩写在文档里，虽然恼人，至少明白；用网页，规矩藏在页面结构里，今天按钮在左边，明天 DOM 改了名字，后天多弹出一个验证框，你前面搭好的流程便全要重来。有人见到“浏览器就是 API”这句话，便误以为从此可以摆脱一切接口约束，这就近于做梦了。它摆脱的，是官方接口的约束；它接过来的，则是前端页面那一整套更琐碎、更善变、也更不讲道理的约束。无非如此罢了。
但我仍然觉得，这东西值得一试。因为对 OpenClaw 这一类 Agent 来说，真正稀缺的从来不是“大脑”，而是手。模型这些年换了一茬又一茬，能说会算的越来越多，会真的去做事的却并不多见。你给它一个浏览器，它才像长出手来。发内容也好，跑后台也好，采页面数据也好，乃至把几步分散的网页动作连成一条流程，事情才有一点像“代理人”了。否则，所谓 Agent，往往不过是一个会讲计划书的秘书而已。
这也就是 bb-browser 让人觉得有点意思的地方。它并没有发明一个新的互联网，也没有发明一个新的浏览器，它只是把原来被人手占着的位置，让给了模型。旧时代的自动化工具，终究还是“脚本替人干活”；到了这里，味道有些变了，变成了“模型指挥脚本，脚本借浏览器下手”，于是中间那层死板的规则，忽然就活络起来了。模型可以看页面，可以临时判断，可以遇到岔路时换一个走法。这与单纯的录制回放，不是一回事。
我总怀疑，今后很多所谓“必须有 API 才能做”的场景，都会被这一类工具慢慢侵蚀。原因并不玄。网站本来就是给人用的，人能点进去完成的流程，理论上机器也能点进去完成；API 只是网站施舍出来的一扇偏门，如今偏门关着，便有人从正门进去。这种做法固然不那么优雅，甚至有点粗鲁；但技术史上许多有生命力的东西，本来也不是靠优雅活下来的，而是靠管用活下来的。能管用，事情就会往前走。
当然，工具层一旦打通，另一个更俗、也更硬的问题便立刻冒出来：模型用什么。跑 OpenClaw 的人，最后多半还是要回到 GPT、Claude、Gemini 这些名字上去。模型没有免费的午餐，支付便绕不过去。中国用户在这上头吃的哑巴亏太多了：技术上折腾半天，最后不是死在提示词，也不是死在部署，而是死在信用卡那一关。Claude 不认，Gemini 不认，GPT 也不认，你前面搭得再漂亮，到了付款页面一样站住。这才真叫扫兴。
所以这类文章若只谈工具，不谈支付，其实是装清高。事情没有那么风雅。你要真想把 bb-browser、OpenClaw 这些东西跑起来，最后总要落到模型订阅、API 余额、卡片支付这些庸俗事务上来，而庸俗事务往往最有决定性。我现在倒觉得，很多人以为自己玩的是 Agent，实际上先学会的却是怎样和支付系统周旋。世事本来如此，写代码的人最后也得学会买单。
我对 bb-browser 的看法，因此很简单：它未必是什么改天换地的大革命，却确实把 Agent 往前推了一步。它让模型不只是会说，而是勉强能做；它让浏览器不只是窗口，而有点像接口；它也让人看到，所谓 AI 自动化，未必要永远跪在 API 文档前面等人开恩。至于它能走多远，要看两件事，一看工具本身能否扛住真实网页环境的变动，二看平台肯不肯容忍这种“像人又不是人”的操作。前者是技术问题，后者是权力问题。技术问题总还能修，权力问题，向来难说。
但不管怎样，路子已经摆在那里了。OpenClaw 之类的 Agent 若还想继续往前走，浏览器这一层，恐怕是绕不过去的。因为互联网终究不是为 API 生的，它先是为人而生，然后才顺手给了程序一口饭吃。如今程序想要重新坐回桌上，不过是把这口饭端了回来而已。
