Selenium 透過 WebDriver 協調各種瀏覽器。ego(lite) 則給你的 AI Agent 一個真實的瀏覽器，和你並肩使用。 ego(lite) 省去 driver 和 Grid，同時保留你明確提供給它的瀏覽器狀態。精簡的 Snapshot 與批次動作，能減少模型輪次和 Token 用量。
| 功能 | ego(lite) | Selenium |
|---|---|---|
| 工作是怎麼完成的 | 描述任務；AI Agent 透過 /ego-browser 操控 ego(lite) | 用 Java、Python、C#、Ruby 或 JavaScript 編寫 WebDriver 腳本 |
| 等待與不穩定 | AI Agent 透過 /ego-browser 讀取 Snapshot 並執行動作 | 顯式等待、失效元素處理、重試次數 |
| 沿用你真實的 Chrome 登入狀態 | 符合條件的瀏覽器狀態可在初始設定時匯入 | 預設不行；持久設定檔需要明確的生命週期管理 |
| 設定 | 安裝 ego(lite)，在你的 AI Agent 裡執行 /ego-browser | 一個語言專案，還要每種瀏覽器各自的 driver |
| 與 AI Agent 協作 | 透過 /ego-browser，天生就是為它們打造的 | 沒有官方 MCP；只有像 mcp-selenium 這類社群伺服器 |
| 平行任務 | Space 在同一個可見的瀏覽器中隔離各項任務 | 由你自己維運的 Grid 節點，或並行的 driver 會話 |
| 跨瀏覽器覆蓋面 | 僅 Chromium | 透過 WebDriver 支援 Chrome、Edge、Firefox 和 Safari |
| 反機器人與 CAPTCHA 處理 | 不繞過；使用經允許的資料、合理的請求頻率，遇到驗證關卡時交由人工審查 | WebDriver 指紋和網站管控依然存在；繞過腳本既不可靠也不合規 |
| 工作階段與 MFA 安全 | 提供一份獨立的瀏覽器狀態；遇到 OTP、MFA 和敏感操作時暫停 | 持久設定檔需要生命週期管理；絕不用自動化繞過帳號驗證 |
| 定位器維護 | 即時快照與語意化目標；不明確的變化交由人工審查 | 在程式碼中維護 CSS/XPath 與明確等待 |
| 舊系統的瀏覽器介面 | 在隔離的 Spaces 中處理以瀏覽器為基礎的舊系統流程，高風險步驟需確認 | 只要舊系統應用程式提供受支援的瀏覽器介面，WebDriver 就能運作 |
| 低程式碼工作流程 | 用白話描述範圍明確的任務，再監督執行過程 | 以程式碼為主的語言綁定與測試框架設定 |
| 日常使用的瀏覽器 | 可以，你在自己的 Space 裡瀏覽，Agent 在它們自己的 Space 裡工作 | 不是，它是用於測試的自動化函式庫 |
| 可重複使用的 skills（即將推出） | 將成功的執行過程萃取成可重複使用的 skills，用於重複性任務（限量 beta） | 沒有內建的對應功能 |
| 價格 | 瀏覽器免費下載；請確認目前的條款 | 免費軟體，Apache-2.0（Grid 容量的成本由你自行負擔） |
最後更新 2026年8月30日
對於需要持續維護的跨瀏覽器測試系統，Selenium 是正確的抽象層。當瀏覽器本身就是工作場域時，ego(lite) 才是正確的抽象層：讓 Agent 在一個看得見的本機 Space 裡搜尋、調查、擷取資料、填寫表單、測試或操作已授權的網站，你則繼續瀏覽。
Selenium 使用者都很熟悉這個循環：調整明確等待、撞上過期元素、加一次重試，然後在下一次 UI 改版後，又得追查另一個「element is not clickable」錯誤。執行 /ego-browser，你的程式碼 AI Agent 就會讀取當下的 Snapshot、針對穩定的 @N 參照操作，並在頁面出現有意義的變化後重新檢查。復原過程清楚可見，而不是藏在脆弱的等待裡，所以互動式工作更容易診斷。如果是你自己的應用程式，就把無障礙名稱或特意設計的測試 ID 與即時快照搭配使用；如果是第三方網站，當有多個目標同時符合時，就直接判定失敗（fail closed），而不是去猜 CSS 或 XPath 選擇器。
在 Selenium 裡同時跑兩件瀏覽器雜事，你得自己周旋多個並行的 driver 工作階段，或是架一套 Grid。這套機制對每晚跑的跨瀏覽器矩陣來說很合適，但如果你只是想在午餐前搞定三件小事，就太重了。在 ego(lite) 中，Spaces 可以在瀏覽器內把各項任務分隔開來，在機器和帳號限制允許的情況下，還能同時執行好幾個。程式碼 AI Agent 透過 /ego-browser 控制每個 Space；視窗與工作階段的界線取決於設定檔怎麼設定。在社群平台上，研究要保持唯讀、範圍窄、有快取且可追溯來源；有匯出功能或經核准的 API 時就優先使用，而按讚、追蹤、傳訊息、主動聯繫或任何帳號變更，都必須由真人處理。
純粹的 Selenium 腳本不花任何 token，因為整個流程裡沒有模型參與。但一旦把 WebDriver 包裝給 Agent 用，帳單很快就會出現：Selenium 至今仍沒有官方的 MCP 伺服器，社群版的伺服器又常常把一整份很重的 DOM 樹丟進模型的 context 裡。執行 /ego-browser，你的程式碼 AI Agent 每一輪就能用幾行 JavaScript 批次執行多個動作來操控 ego(lite)。在我們錄製的範例中，聚焦後的 Snapshot 約為 200 到 400 個 Token，但輸出大小會隨頁面和擷取內容而不同。這為手動測試人員提供了一條有人監督、低程式碼的路徑來處理範圍明確的工作，但它無法取代斷言、審查，或針對非瀏覽器舊系統的經核准 RPA 整合。
同樣的任務，同樣的模型。 左邊：ego(lite) 裡一次打包的 JavaScript 呼叫，總共 1.1k tokens。 右邊：經社群版 MCP 伺服器操控的 Selenium，7 次往返，token 漲到 13.6k。
Selenium 無法接上你正在使用中的 Chrome 設定檔。Chrome 開著的時候把 ChromeDriver 指向它，只會得到一句「user data directory is already in use」。ego(lite) 建構於 Chromium 之上，可以在初始設定時匯入你選定的 Chrome 狀態。當你的程式碼 AI Agent 執行 /ego-browser 時，它可以使用你明確提供的瀏覽器狀態，但 SSO、2FA、工作階段過期和 CAPTCHA 驗證仍可能中斷任務。絕對不要把密碼、OTP 或復原碼寫進腳本，遇到 MFA 或 CAPTCHA 時也要暫停，交給帳號擁有者處理。Selenium 或 ego(lite) 瀏覽器仍可能收到 403 或服務商的驗證挑戰，所以請使用經允許的資料、合理的請求頻率，以及經核准的 API 或匯出功能，而不是靠隱身修補、Agent 輪換或其他規避手段。
不需要搬移你的 WebDriver 測試套件。要搬過來的，是你想讓 Agent 直接處理的瀏覽器工作，包括迴歸測試套件之外的搜尋、研究、資料擷取、表單、測試和需要登入的工作流程。
下載 ego(lite)
下載 ego(lite)，並查看初始設定中匯入所選 Chrome 狀態的選項。在授予 Agent 存取權之前，先確認哪些工作階段和擴充功能符合條件。
用 /ego-browser 執行你的第一個任務
在 Claude Code、Codex 或 Cursor 裡貼上一句話再按下 enter。不用 driver 執行檔，不用 Grid，不用設定 MCP。
貼到你的 Agent 裡
/ego-browser 打開 ego.app，列出頁面上每個按鈕的文字
看它實際運作
在這樣設定的情況下，任務會在自己的 Space 裡執行。在支援的情況下，你可以即時觀看或接手，並在 Agent 的 CLI 中核對結果；工作階段過期和網站提示仍需要人工檢查。
CI 裡的跨瀏覽器迴歸測試，繼續用 Selenium。
與 Puppeteer、Playwright MCP、Claude Chrome extension、Browser Harness，以及另外 7 款工具的逐項比較。
免費，在你的電腦上執行，一鍵匯入你的 Chrome 個人設定檔。適用於 Claude Code、Codex、Cursor，以及任何會寫程式碼的 CLI AI Agent。