40 · Chrome：让它操作浏览器

📚 系列导航：上一篇 39 实战入门 把前面学的零件第一次拼成一条完整流程跑了一遍。这一篇给 Claude Code 再开一扇门——让它直接操作你的 Chrome 浏览器：开网页、读控制台报错、填表单、从页面里扒数据，全程不用你离开终端去手点。

⚠️ 实验性功能，可能随版本变化。 本篇讲的 Chrome 集成目前处于测试版（beta），命令、前置版本、支持的浏览器都以官方文档为准，后续版本可能调整。

兄弟们，今天聊一个能让 Claude Code「长出手」的功能——操作浏览器。

前面三十九篇里，Claude 干的活基本都在「文件 + 命令行」这一亩三分地：读你的代码、改你的文件、跑你的脚本。但真实开发里有一大堆事是离不开浏览器的——改完登录表单得打开页面点一下试试、报了个 bug 得看浏览器控制台（console）里红色的报错、设计稿还原得对着浏览器一像素一像素比。这些事，以前你只能自己切到 Chrome 手动来，然后把看到的复制回来喂给 Claude。

现在不用了。 接上 Chrome 集成，你在终端里说一句「打开 localhost:3000，用错误数据提交那个表单，看看报错提示对不对」，Claude 自己就把浏览器开了、表单填了、报错读了，回头告诉你结果。「改代码」和「在浏览器里验代码」第一次能在同一个对话里从头到尾搞定，不用来回切窗口。

我第一次接上它那天，盯着自己那个 Chrome 自动弹出新标签页、鼠标点搜索框、一个字一个字敲进去，愣是看了一会儿——那种「它真的在替我点」的感觉，跟之前在沙箱里跑命令完全是两码事。

这么说吧：前面 MCP（详见第 22 篇）是给它接上了数据库、Jira 这些数据源；Chrome 集成是给它接上了你天天在用的那个浏览器本身——连着你所有的登录态。这一篇就讲清楚它能干嘛、怎么接、有哪些坑、以及操作你「真浏览器」这件事的安全边界在哪。

看完这一篇，你会拿到：

• 一句话讲明白 Chrome 集成是什么、它和 MCP / computer use 各管哪一块
• 接上它的完整步骤（装扩展、--chrome 启动、前置版本和套餐要求），以及哪些浏览器 / 环境不支持
• 六类高频用例（实时调试、设计验证、填表单、扒数据……，选自官方列出的典型工作流），每类配一句你真实会怎么用
• 操作「真浏览器」相对沙箱的风险在哪、官方给了哪些护栏、你自己该守哪几条
• 一个能照着跑、给了预期结果的最小实战：接上 Chrome 让它读一次页面

---

01 先搞懂：它到底是什么、能干什么

先给结论：Chrome 集成 = 让 Claude Code 借用你已经登录好一切的那个 Chrome，替你开网页、点按钮、填表单、读页面。

关键词是「你已经登录好的那个」。官方说得很直接：

Claude 为浏览器任务打开新标签页，并共享您浏览器的登录状态，因此它可以访问您已登录的任何网站。浏览器操作在实时可见的 Chrome 窗口中运行。

把这句话拆开，有三个点对小白特别重要：

• 开的是新标签页，不是另起一个陌生浏览器——它就在你眼前那个 Chrome 里干活。
• 共享你的登录态——你 Gmail、Notion、公司后台都登录着，它直接就能进，不用你再配什么 API、贴什么 token。
• 窗口实时可见——它点哪、填哪你全看得见，不是在后台偷偷摸摸。

类比：叫了个代驾。 你今晚喝了点酒，叫个代驾把你送回家。代驾开的不是他自己的车，是你这台车——车里插着你的 ETC、储物格放着你的停车卡、导航里存着你家地址，这些他全能直接用，你不用重新给他办一张卡。但方向盘你随时能要回来：遇到要刷脸的小区门禁（代驾刷不了），他停下让你来。Claude 操作浏览器就是这么个「代驾」——开的是你那台登录好一切的浏览器，该它干的它干，遇到登录页、验证码（CAPTCHA）这种它过不了的，它停下来喊你。

那它具体能干哪些活？官方列了一串，我挑出小白最有体感的几类，配上「你真实会怎么用」：

• 实时调试：直接读浏览器控制台的报错和页面 DOM 状态，然后回头就把导致报错的代码改了——这是它和 MCP 最不一样的地方，能「看见」浏览器里发生了啥。
• 设计验证：照 Figma 稿写完 UI，打开浏览器比一比对不对得上（衔接第 17 篇讲的还原设计稿）。
• 网页应用测试：测表单校验、查视觉有没有变形、验用户流程走不走得通。
• 操作已登录的应用：直接在 Gmail、Notion、Google Docs 里写东西、改东西，不用 API 连接器。
• 扒数据：把页面上的列表（名称、价格、库存）抽成结构化数据，存成本地 CSV。
• 录 GIF：把一段浏览器操作录成 GIF，用来记录或者分享「这事儿是怎么发生的」。

举个我自己印象最深的场景：有回调一个前端的诡异 bug，页面加载时控制台报一个 undefined，我对着代码看了快半小时也没看出哪错了。接上 Chrome 后我就甩了句「打开 dashboard 页，把加载时控制台里的报错念给我听，再定位是哪段代码」——它读完报错、顺着调用栈找到了一个没做空值判断的地方，前后不到两分钟。换以前我得自己开 F12、复制报错、再贴回终端描述一遍，光来回倒腾就比这久。

💡 一句话总结：Chrome 集成让 Claude 借用你那台登录好一切的浏览器开网页、读控制台、填表单、扒数据——「改代码」和「在浏览器里验」第一次能在同一个对话里完整跑通。

---

02 它和 MCP、computer use 各管哪一块

接之前先把一个容易混的事捋清：Claude 操作「外部世界」有好几条路，Chrome 集成只是其中一条。三条路别搞混了，不然你会纠结「这事该用哪个」。

官方在 computer use 那页讲了一个优先级顺序——Claude 干外部的活，会从最精准的工具往最笨重的工具试：

如果您有该服务的 MCP server，Claude 会使用它。如果任务是 shell 命令，Claude 会使用 Bash。如果任务是浏览器工作且您已设置 Claude in Chrome，Claude 会使用它。如果以上都不适用，Claude 会使用 computer use。

类比：能打电话办的事就别专门跑一趟。 同一件事，能发个消息说清的就发消息（最快），发消息说不清就打个电话（慢一点），电话也办不了才亲自上门跑一趟（最慢最费事）。Claude 也是这个排序——先试最省事的，最省事的够不着才升级到更重的手段。

三条路对照着看，你就知道各自的主场：

手段	干什么	什么时候轮到它	本篇是它吗
MCP（详见第 22 篇）	连数据库、Jira、Slack 这些有接口的服务	服务有现成 MCP server，最精准，优先用	否
Chrome 集成	操作浏览器里的网页：点、填、读控制台、扒数据	活儿是网页操作、又装了 Chrome 集成	是
computer use	控制本机原生 app：点 macOS 应用、看屏幕、截图	上面都够不着（原生应用、模拟器、没 API 的工具）	否，见下方

computer use（让 Claude 用你的电脑） 是兄弟篇，这里顺带提一句让你有个数。它比 Chrome 集成更「广」也更「慢」——Chrome 集成只能碰浏览器，computer use 能控制整个 macOS 桌面：打开原生 app、点任意按钮、截你的屏。官方原话：

屏幕控制保留用于其他工具无法到达的事物：原生应用、模拟器和没有 API 的工具。

几个关键差别记住就行（都以官方文档为准）：

• computer use 目前是研究预览版，只在 macOS 上的 CLI 可用（Windows 用桌面 app 那条线，见第 10 篇），要 Pro / Max 套餐，且不支持 -p 非交互模式。
• 它在 /mcp 菜单里以一个叫 computer-use 的内置 server 出现，默认关着，要手动启用。
• 它跑在你真实的桌面上，会请求 macOS 的「辅助功能」和「屏幕录制」权限。

一句话分工：有接口走 MCP，网页里的事走 Chrome，连原生桌面都得碰才上 computer use。这一篇专讲中间那条——Chrome。

💡 一句话总结：Claude 碰外部世界从精准到笨重三条路——MCP（有接口的服务）→ Chrome（浏览器网页）→ computer use（整个 macOS 桌面）；本篇专讲 Chrome 这条，它的主场是浏览器里的操作。

---

03 怎么接上：装扩展、--chrome 启动

接 Chrome 集成，比接一个普通 MCP server 还简单——核心就两步：装个 Chrome 扩展，启动时带个 --chrome 标志。但有几个前置条件不满足就是接不上，先把门槛摆清楚。

先对四个前置条件

官方列了四条硬要求，差一条都连不上，挨个对一遍：

前置条件	具体要求	怎么查
浏览器	Google Chrome 或 Microsoft Edge	别的浏览器不行，见下方「不支持清单」
Chrome 扩展	「Claude in Chrome」扩展 v1.0.36 或更高	chrome://extensions 里看
Claude Code 版本	v2.0.73 或更高	终端跑 claude --version
套餐	直接的 Anthropic 计划（Pro / Max / Team / Enterprise）	/status 看订阅

最后一条套餐最容易栽，单独强调一下。官方明确：

Chrome 集成不可通过 Amazon Bedrock、Google Cloud Vertex AI 或 Microsoft Foundry 等第三方提供商获得。如果您仅通过第三方提供商访问 Claude，则需要单独的 claude.ai 账户来使用此功能。

翻成人话：你要是走 Bedrock / Vertex / Foundry 这些第三方接入（第 05 篇讲过），或者只用 API key，这功能用不了——它只认直接的 Anthropic 订阅。这点和桌面 app、computer use 一个脾气，记住就行。

哪些浏览器 / 环境不支持

这张「不支持清单」我专门拎出来，因为踩了会很懵：

• 浏览器：目前只支持 Chrome 和 Edge。Brave、Arc、以及其他基于 Chromium 的浏览器都不支持——别看它们也是 Chromium 内核就想当然。
• 环境：不支持 WSL（Windows 子系统 Linux）。你在 WSL 里跑 Claude Code 想接 Windows 上的 Chrome，这条路目前不通。

Arc 这个坑我亲自踩过。我日常主力浏览器就是 Arc（同样 Chromium 内核），想当然以为装上扩展就能用，结果 /chrome 死活连不上，扩展也装了、版本也对，就是不通。折腾了二十来分钟才翻到文档里那行小字「尚不支持 Brave、Arc 或其他基于 Chromium 的浏览器」——白忙活。后来老老实实单独装了个 Chrome 专门给它用，才秒连上。

装扩展 + 启动

前置条件齐了，正式接：

第一步：装「Claude in Chrome」扩展。 去 Chrome 应用商店搜「Claude」装上（Edge 也是在 Chrome 应用商店装同一个）。

装扩展、访问 Chrome 应用商店在国内一般需要「魔法上网」；扩展本身要连 Anthropic，网络不通时也连不上。

第二步：带 --chrome 启动 Claude Code。 在终端：

claude --chrome

或者你已经在一个会话里了，直接敲 /chrome 启用，不用退出重开。

就这两步。 接上之后，任何时候敲 /chrome 都能：检查连接状态、管理权限、重新连接扩展、选用哪个已连接的浏览器。要是同时连了多个浏览器，浏览器操作一开始 Claude 会问你用哪个。

不想每次都打 --chrome？

嫌每个会话都加 --chrome 烦，可以设成默认：运行 /chrome，选「默认启用」。

但官方专门提醒了一句代价，值得你想清楚再开：

在 CLI 中默认启用 Chrome 会增加上下文使用，因为浏览器工具始终被加载。如果您注意到上下文消耗增加，请禁用此设置，仅在需要时使用 --chrome。

说白了：默认启用 = 浏览器那套工具每次会话都常驻，会吃掉一截上下文窗口（第 19 篇讲过工作台塞满会变蠢）。一般来说更稳的做法是不设默认，需要操作浏览器的会话才临时 --chrome——大多数纯改代码的活根本用不上浏览器，没必要让它一直占着地方。

顺带一提：如果你主力在 VS Code 扩展（第 08 篇）里干活，只要装了 Chrome 扩展，浏览器自动化就直接可用，不用加任何标志——这点比 CLI 省心。

网站权限从哪管

还有个细节：Claude 能浏览、点击、输入哪些网站，是从 Chrome 扩展那边继承的。官方：

网站级权限从 Chrome 扩展程序继承。在 Chrome 扩展程序设置中管理权限，以控制 Claude 可以浏览、点击和输入的网站。

也就是说，控制它能碰哪些站，去 Chrome 扩展的设置里调，不在 Claude Code 这边。这是它的第一道闸，下一节讲安全会再提。

💡 一句话总结：接 Chrome 就两步——装「Claude in Chrome」扩展 + 用 --chrome 启动（或会话里 /chrome）；但先对齐四个前置（浏览器、扩展版本、CC 版本、Anthropic 订阅），且 Brave / Arc / 其他 Chromium、WSL 都不支持。

---

04 典型用例：六类活儿，照着抄

接上只是开始，会用才值钱。官方给了一串示例工作流，我按「你大概率会遇到」的顺序，把六类最实用的拎出来，每类给一条可以直接照着改的指令。这些指令都是用自然语言说的，你照着套自己的场景就行。

用例一：测本地网页应用

开发时改完一个功能，让它直接帮你在浏览器里验：

我刚改了登录表单的校验逻辑。打开 localhost:3000，
用一组无效数据提交表单，看看错误提示有没有正确出现。

它会导航到你的本地服务器、跟表单交互、把观察到的结果报给你。这大概是用得最多的一类——改完前端不用自己切浏览器手点，它替你跑一遍验证流程。

用例二：用控制台日志调试

让它读浏览器控制台帮你定位问题。这里有个官方给的诀窍：别让它「把所有控制台输出都给我」，日志太长会刷屏——告诉它你要找的模式：

打开 dashboard 页面，检查页面加载时控制台里有没有报错。

它会读控制台消息，按你说的模式或错误类型过滤，不会把一大堆无关日志全倒给你。

用例三：批量填表单

重复的数据录入最适合丢给它：

我有一个客户联系人表格在 contacts.csv 里。对每一行，
打开 crm.example.com 的 CRM，点「添加联系人」，
把姓名、邮箱、电话填进去。

它读你的本地文件、操作网页界面、一条条录进去。说句实话，这类「机械重复」的活儿是它最香的用武之地——你只要把数据准备好，剩下的它照着填。

用例四：直接在已登录的应用里写东西

这类最能体现「共享登录态」的爽：

根据最近的几个 commit 起草一份项目进展更新，
加到我那份 Google Doc（docs.google.com/document/d/abc123）里。

它打开文档、点进编辑器、把内容敲进去。Gmail、Notion、Sheets——凡是你已经登录的网页应用都吃这套，不用配任何 API。

用例五：从网页扒结构化数据

把页面上散着的信息抽成规整的数据：

打开商品列表页，把每件商品的名称、价格、库存状态抽出来，
存成一个 CSV 文件。

它导航到页面、读内容、编译成结构化格式存到本地。

用例六：录一段操作 GIF

想给同事演示「这功能怎么走」，让它录：

录一个 GIF，展示怎么走完整个结账流程，
从把商品加进购物车一直到确认页。

它把这段交互序列录下来、存成 GIF 文件。写文档、提 issue 配个动图，比打一堆字描述清楚多了。

把这六类对照「以前怎么干」摆一下，你就知道它省在哪：

场景	❌ 没有 Chrome 集成	✅ 有 Chrome 集成
验证前端改动	自己切浏览器手点、看效果、回来描述	一句话让它打开页面跑一遍报结果
调控制台报错	F12 开控制台、复制报错、贴回终端	让它直接读控制台、过滤出报错
批量录数据	一条条手动复制粘贴进网页	喂个 CSV，它照着逐行填
在 Notion / Docs 写	自己整理好再粘进去	让它直接进文档写（共享登录态）

提醒： /mcp 选 claude-in-chrome 能看到这些浏览器工具的完整列表，想知道它到底有哪些「手上的动作」，去那儿翻。官方还列了「多站点工作流」这类用例，这里略过，有兴趣可自行在 /mcp → claude-in-chrome 里探索。

💡 一句话总结：六类高频用例——测本地应用、读控制台调 bug、批量填表单、在已登录应用里写、扒页面数据、录演示 GIF，每类一句自然语言指令就能让它干，核心都是「省掉你手动切浏览器那一段」。

---

05 安全：操作「真浏览器」的风险在哪

这一节最不能跳过——因为它操作的是你真实的、登录着一切的浏览器，不是一个用完即焚的沙箱。这跟前面 Claude 在沙箱里跑命令（第 21 篇）是完全不同的信任边界。

风险到底在哪

回到「代驾」那个比方：代驾开的是你那台插着 ETC、放着停车卡的车。方便是真方便，但风险也实打实——他在你车里、用着你所有的卡。Chrome 集成同理：它共享你的登录态，意味着它能进的，是你登录着的所有网站——你的邮箱、你的公司后台、你的银行页面（只要你登录着）。

具体两类风险你得有数：

• 登录态等于钥匙串：它访问网站不需要再认证，你登录了什么，它就够得着什么。让它去某个页面操作时，心里要清楚这台浏览器上还登录着哪些敏感账号。
• 提示注入（prompt injection）：这个第 21 篇专门讲过——网页内容里可能藏着「写给 AI 看」的恶意指令。它读一个页面时，页面上某段文字可能在偷偷指挥它干别的。操作浏览器时这个风险格外真实，因为它读的全是外部的、你控制不了的网页内容。

官方给了哪些护栏

好在 Chrome 集成不是「敞开了让它乱来」，内置了几道闸：

• 遇到登录 / 验证码会停下喊你：碰到登录页或 CAPTCHA，它暂停、要你手动处理，不会替你瞎填、瞎点过。
• 操作实时可见：它在一个你看得见的 Chrome 窗口里干活，点哪填哪你全程盯得到，不对劲随时能掐。
• 网站权限可控：上一节说的，在 Chrome 扩展设置里限定它能碰哪些网站——这是你最该用起来的一道闸，把它能动的范围圈小。

你自己该守的几条

官方护栏之外，还有几条操作真浏览器的土规矩值得记下来：

场景	该怎么办
让它操作浏览器前	先想清楚这台 Chrome 上还登录着哪些敏感账号
涉及钱 / 不可逆操作（下单、转账、删数据）	⚠️ 自己来，别交给它，或全程死盯每一步
给它操作的网站范围	✅ 在扩展设置里圈小，只放它确实需要的站
让它访问陌生 / 不可信网页	⚠️ 警惕提示注入，内容里的「指令」别让它照单全收

总原则就一条：它在浏览器里点的每一下都是「真的」——不像沙箱里跑错了删个容器重来，浏览器里点了「确认付款」就是真付了。所以越是不可逆、越是涉及钱的操作，越要自己把着方向盘，让它干那些「错了也好收拾」的活。

这跟前面所有篇章的安全主线是一根弦：便利和风险成正比。Chrome 集成把便利拉满了——直接用你登录态——那对应的，你得把「它能碰什么」这道闸也守紧。

💡 一句话总结：Chrome 集成操作的是你登录着一切的真浏览器，不是沙箱——风险在「登录态即钥匙」和「网页里的提示注入」；官方护栏有「遇登录 / 验证码停手、操作可见、网站权限可控」，你自己则要圈小网站范围、把不可逆和涉钱操作攥在自己手里。

---

06 动手：接上 Chrome，让它读一次页面

光看不练假把式。下面带你跑一个最小实战：接上 Chrome，让它打开一个网页、读点东西回来。全程不碰你的敏感账号，专门拿来验证「接通了没」。

前提：你得是 Pro / Max / Team / Enterprise 直接订阅（不是 Bedrock / Vertex / API key），装好 Chrome 或 Edge。装扩展、访问网页可能需要「魔法上网」。

第一步：装「Claude in Chrome」扩展

在 Chrome 应用商店搜「Claude」，装上官方扩展。装完去 chrome://extensions 确认它已启用、版本 ≥ 1.0.36。

✅ 自验：扩展列表里能看到「Claude」且是开启状态。

第二步：确认 Claude Code 版本够新

claude --version

预期：打印的版本号 ≥ 2.0.73。低了就先升级（npm update -g @anthropic-ai/claude-code 或按第 02 篇的方式更新），否则接不上。

第三步：带 --chrome 启动

claude --chrome

进去后敲 /chrome 看状态：

/chrome

预期：显示 Chrome 已连接、扩展状态正常。如果提示没检测到扩展，按官方排查：确认扩展已装并启用 → 确认 CC 是最新 → 确认 Chrome 在运行 → /chrome 选「重新连接扩展程序」。第一次启用时它会装一个本机消息传递配置，Chrome 要重启一次才读得到——头一回连不上，先重启 Chrome 再试。

第四步：让它打开页面读点东西

连上后，给它一条「只读、不碰敏感账号」的指令（官方文档站正好拿来练手）：

打开 code.claude.com/docs，点一下搜索框，
输入「hooks」，把出现的结果告诉我。

预期：你会看见你那个 Chrome 弹出新标签页、自动导航过去、点搜索框、敲字——全程肉眼可见（这就是第 05 节说的「操作实时可见」）。然后它把搜到的结果列回终端。看到浏览器真的动起来、结果回来了 = 接通成功。

如果操作到一半浏览器没反应了，官方提示先查有没有弹出的对话框（alert / confirm）挡着页面——JavaScript 对话框会卡住浏览器事件；手动关掉再让它继续。长时间不动后断连，就 /chrome 选「重新连接扩展程序」（扩展的后台 service worker 会进空闲状态）。

跑通这四步，你就把「装扩展 → 启动 → 验连接 → 让它操作页面」这条完整链路走了一遍。以后让它干任何浏览器的活，本质都是这套，无非把第四步换成你真实的任务。

💡 一句话总结：动手就四步——装扩展、claude --chrome 启动、/chrome 验连接、给一条只读指令看浏览器真动起来；头回连不上多半是扩展没装好或 Chrome 没重启，按官方那串排查走一遍。

---

07 小结

这一篇给 Claude Code 接上了你天天在用的那个浏览器——从「只会摸文件和命令行」，到能开网页、读控制台、填表单、扒数据，「改代码」和「在浏览器里验」这两件事终于能在一个对话里从头到尾跑完。

把核心串起来回顾：

你要做的事	关键点
理解它是什么	借用你登录好一切的真 Chrome，开新标签页操作，实时可见
分清它和别的工具	MCP（有接口）→ Chrome（网页）→ computer use（整个桌面） 三条路，从精准到笨重
接上它	装「Claude in Chrome」扩展 + --chrome 启动；对齐扩展 / CC 版本、要 Anthropic 直接订阅
知道哪不支持	Brave / Arc / 其他 Chromium、WSL 都不行，只支持 Chrome / Edge
会用	测本地应用、读控制台、批量填表单、在已登录应用写、扒数据、录 GIF
守住安全	操作的是真浏览器（非沙箱）：圈小网站权限、不可逆和涉钱操作自己来、警惕提示注入

你现在应该能： 讲清 Chrome 集成是什么、它和 MCP / computer use 各管哪一块，独立把它接上（装扩展 + --chrome），用自然语言指令让它干六类常见的浏览器活儿，并且清楚操作真浏览器的风险在哪、该守哪几条闸。这一接，Claude Code 从「本地代码助手」又往前迈了一步——能直接替你操作那个你最常打交道的窗口了。

---

下一篇 41「并行任务」——这一篇让一个 Claude 能操作浏览器了，但活儿一多，你会发现一个会话串着干还是慢：它开浏览器测着 A 功能，你 B、C 两个需求只能干等着。下一篇换个思路：怎么让多个任务真正并行铺开、各干各的、互不打扰。想想看：如果改前端、跑测试、扒数据这三件事能同时进行，而不是排队等一个 Claude 来回切，是不是又能省下一大段时间？