「x-cli」把网页操作做成 CLI：让 AI Agent 复用你的 Chrome 登录态

如果你经常让 AI agent 帮你在网页上做事，大概会遇到一个微妙的问题：一次性自动化很好用，但下次还要重复同样的流程时，又得重新描述一遍目标、页面位置、按钮含义和输出格式。better-world-ai 的 x-cli 想把这件事往前推一步：把网页上的重复操作，沉淀成一个 agent 随时能调用的 CLI 工具。

它的思路不是给每个网站找 API，也不是让你到处折腾 token，而是通过 kimi-webbridge 驱动真实的 Chrome 登录态。也就是说，你已经在浏览器里登录过的网站，agent 可以在你的授权范围内点击、输入、读取页面，再把这套流程封装成命令行工具。对很多没有开放 API、或者 API 门槛比网页还高的产品来说，这个路径挺实用。

仓库目前更像一个案例库和起手式，而不是一个单一的万能命令。README 里收录了几个已经做出来的 CLI：baidu-cli 用来做百度搜索并输出 JSON，google-cli 做 Google 搜索和网页抓取，nanobanana-cli 调 Gemini 2.5 Flash Image 生成图片，chatgpt-image-cli 则围绕 chatgpt.com/images 做图片生成。它们一方面可以直接安装使用，另一方面也展示了“从一句需求生成 CLI”的基本结构。

真正有意思的是仓库里的 skills/agent-cli-creator。装好 skill 之后，你可以对 agent 说“帮我给 example.com 做个 CLI”，它会先问几个必要问题，比如用什么语言、最先需要哪 1 到 3 个功能，然后去分析目标网站、搭脚手架、实现命令，并在关键节点停下来确认。最后得到的不是一段临时脚本，而是类似 example-cli home --limit 10、example-cli post --content "hello" 这种以后能反复调用的工具。

使用门槛上，x-cli 还是偏开发者向：需要安装 kimi-webbridge 浏览器插件和本地 skill，命令示例也默认你能接受 Node、npx、Go 编译或下载 Release 二进制。项目本身是 MIT License，当前 GitHub 上约 116 stars、11 forks，主要语言是 Go，仓库里也已经有 4 个 Release。换句话说，它不是那种点开网页就能用的消费级产品，更像是给已经在用 agent 做自动化的人准备的一套“把临时动作产品化”的工具箱。

我觉得它适合两类人先试：一类是经常要在网页后台取数、搜索、发布、整理信息的独立开发者；另一类是已经在写 agent skill、MCP 或浏览器自动化脚本的人。你可以把它理解成一个小型生产线：先用 agent 学会一个网站怎么操作，再把这套能力封装成 CLI，让之后的 agent 或脚本直接复用。一次搭建可能不算轻，但如果某个网页动作每周都要做，收益就会慢慢显出来。

当然，它也有边界。因为核心依赖真实浏览器和登录态，稳定性会受到网页结构、验证码、安全策略和插件连接状态影响；另外，自动化涉及发帖、下单、改配置这类外部可见动作时，仍然需要明确的人类确认。把它当成“能帮你减少重复劳动的半自动工具”会更准确，而不是完全无人值守的后台 API 替代品。