Yakit Browser Agent

面向真实浏览器上下文的安全测试与 AI Agent 协作扩展

连接浏览器、Yak 引擎与 Yakit，让登录态、页面函数、前端加解密、网络请求和人工操作成为可授权、可复用、可审计的测试能力。

Important

Yakit Browser Agent 面向已获授权的安全测试、企业自测和教学环境。扩展具备读取登录态、捕获网络请求、调用页面函数和调试页面执行现场等高权限能力；请只对你拥有或明确获准测试的目标使用。

项目定位

Yakit Browser Agent 是 Yak / Yakit 生态中的浏览器执行端。它运行在用户真实使用的浏览器里，在用户明确授权后，将特定标签页的页面上下文、安全测试能力和人工交互能力提供给 Yak 引擎、Yakit 工作区以及 AI Agent。

它重点解决传统安全测试工具难以自然处理的几类问题：

• 目标功能依赖已经登录的浏览器环境，无法仅靠离线 HTTP 请求复现；
• 请求参数由混淆后的前端代码、闭包状态、动态密钥、CryptoKey、Worker 或 WebAssembly 现场生成；
• 测试者希望编辑明文，但目标服务器只接受页面产生的密文、签名或动态请求封装；
• 流程包含扫码、MFA、CAPTCHA、设备确认等必须由用户参与的步骤；
• 双身份授权测试需要可靠隔离登录态、复用真实请求并保留可复核证据；
• AI Agent 需要浏览器提供真实、结构化、受控的上下文，而不是依赖截图猜测或导出完整浏览器配置。

本项目并不是只针对某个靶场编写的加解密脚本，也不是一个简单的 JS-RPC 转发器。它以通用的调用证据、业务 Trace、请求边界、页面 Callable 和类型化 Pipeline 为基础：能由确定性证据完成的步骤交给代码验证，证据不足或语义复杂的部分再交给用户与 AI 辅助分析。

设计原则

原则	说明
真实现场优先	复用页面正在运行的函数、receiver、闭包和浏览器状态，不要求先把密钥或完整算法导出到外部。
证据驱动	通过值指纹、调用顺序、业务 Trace、请求字段关联和响应归属建立结论，不因“发现某个加密库”就直接猜测转换逻辑。
用户明确授权	所有远程能力绑定具体标签页、Frame、文档、来源、任务、权限范围和有效期，授权可见、可暂停、可撤销。
确定性验证与 AI 协作	AI 用于解释、归纳和提出方案；协议校验、Profile 编译、真实回放和结果比较由确定性代码完成。
通用能力优先	对库、算法和业务形态建立适配层，不以固定字段名、固定接口或单一靶场流程作为产品逻辑。
本地与性能优先	大型代理规则使用 IndexedDB 分块存储和编译缓存；敏感页面数据默认短时保留，诊断与审计只记录必要元数据。

系统组成

flowchart LR
  subgraph Browser[用户浏览器]
    Page[目标页面\n登录态 · DOM · JS · Worker]
    Extension[Yakit Browser Agent\n录制 · 调试 · 代理 · 授权]
    Page <--> Extension
  end

  subgraph Local[本地安全测试环境]
    Yak[Yak Engine\nBridge v3 · Capability Router]
    Yakit[Yakit\n浏览器工作区 · Web Fuzzer]
    Agent[AI Agent\n证据分析 · 流程编排]
    Yak <--> Yakit
    Yak <--> Agent
  end

  User[测试人员] <--> Extension
  Extension <-- 配对身份 / 签名挑战 / 流式任务 --> Yak

扩展不允许远程调用方直接访问浏览器 API。所有命令统一经过 Capability Router、参数 Schema、授权 Scope 和文档生命周期检查，再由对应功能模块执行。

核心能力

1. 前端加解密录制与明文网关

这是 Yakit Browser Agent 的核心工作流。测试者只需要在真实页面完成一次尽可能短的业务操作，扩展会从页面输入、密码调用、编码转换、通信边界和最终请求中还原数据流。

主要能力包括：

• 录制 Fetch、XHR、表单导航、Beacon、WebSocket、Worker、SharedWorker 和 MessagePort 等业务边界；
• 记录加解密调用的输入、输出指纹、调用栈、receiver、固定参数模板与请求先后关系；
• 将同一业务动作组织为按时间排序的 Trace，区分页面原始函数与扩展注入的观测 Hook；
• 自动推断明文来源、密码调用和线上请求字段之间的关联；
• 在证据充分时直接生成请求或响应方向的明文网关；
• 在普通录制无法保留状态时，使用 Chromium Deep Capture 捕获闭包、模块脚本、CryptoKey、WebAssembly 实例或多调用请求事务；
• 将捕获到的业务调用保存为文档绑定的页面 Callable，无需向外导出页面密钥；
• 使用类型化 Pipeline 组合上下文读取、页面调用、白名单转换、字段装配和输出写入；
• 在本地回放中使用录制的短时样本验证转换关系；
• 与 Yakit Web Fuzzer 联动：编辑逻辑明文，由真实页面生成线上密文或签名，同时并排查看“明文 / 线上”报文。

当前观测与推断适配层覆盖：

• Web Crypto API；
• CryptoJS；
• JSEncrypt；
• jsrsasign；
• node-forge；
• sm-crypto；
• JOSE；
• libsodium；
• TweetNaCl；
• Noble；
• OpenPGP。

适配器用于识别通用调用语义，并不意味着所有混淆代码都可以无条件自动还原。自动化程度取决于录制证据是否能够证明“明文输入 → 页面调用 → 请求字段”或“线上响应字段 → 页面调用 → 明文输出”的完整链路；证据不足时，界面会明确展示缺失环节，并引导进入深度捕获或 AI 辅助分析。

2. 登录态上下文与 AI Agent 协作

扩展可以把用户明确共享的浏览器页面转换为适合 Agent 使用的结构化上下文，而不是直接导出完整 HTML 或浏览器 Profile。

• 采集页面文档信息、认证信号、表单、交互元素、开放 Shadow DOM、Storage 与 Cookie 清单；
• 使用文档绑定的节点引用执行检查、点击、聚焦、滚动和输入等操作；
• 追踪上下文差异，帮助 Agent 判断登录、跳转和业务状态变化；
• 在独立权限下调用页面已有函数，或执行表达式与程序级 Eval；
• 捕获已授权文档的真实网络请求，并生成可在 Yakit 中重放的报文；
• 将录制 Trace、Callable、Transform Profile、请求事务和验证结果作为 Agent 工具能力；
• 在 Agent 遇到扫码、MFA、CAPTCHA 或设备确认时创建“人工接管”任务，聚焦目标标签页并等待用户完成后继续。

程序级 Eval、敏感网络字段、深度捕获和页面控制均属于高风险 Scope，不会被只读共享会话隐式包含。

3. 双身份水平与垂直授权测试

授权测试工作区用于组织两个真实登录身份，并以可复核的方式验证资源访问或权限动作。

• 在普通窗口、无痕窗口或其他受支持的隔离上下文中选择身份 A / B；
• 校验 Cookie Store、认证材料和页面上下文是否真正隔离；
• 自动读取双方最近的同类业务请求，建立 A/B 正常基线；
• 从 Query、Path、Header、表单或结构化 Body 中提取资源候选；
• 水平授权测试使用固定请求预算构造 A-own、B-own、A-to-B、B-to-A 四项矩阵；
• 垂直授权测试对比低权限控制请求与高权限目标动作，并明确提示潜在副作用；
• 对状态码、响应结构、业务字段和目标身份正常响应进行差异比较；
• 对时间戳、请求 ID 等易变噪声进行归一化，保留可解释的业务差异；
• 将短时证据包交给 Yakit 与 AI Agent 深入分析，同时避免用插件预判结论暗示 AI；
• 由确定性证据给出“观察到什么”，由用户、业务规则和独立 AI 复核决定是否构成真实授权缺陷。

扩展不会因为交叉请求返回 200 就直接判定越权，也不会绕过真实身份隔离要求。

4. 自动代理与规则系统

代理模块面向日常安全测试和多出口切换，交互方式接近现代化的 SwitchyOmega / ZeroOmega 工作流，但针对大规则集和扩展运行时做了重新设计。

• 创建并管理多个代理出口；
• 为不同域名、URL 模式或规则条件选择指定出口；
• 支持直连、代理和自动切换情景；
• 在 Popup 中快速切换当前出口，或为当前站点建立规则；
• 导入和更新远程规则订阅；
• 将规则编译为 PAC，并在应用前完成规范化和错误检查；
• 使用 IndexedDB 按块保存大型规则源，避免把完整订阅反复塞入同步状态；
• 缓存有限数量的编译产物，并清理过期 Revision；
• 通过分页与搜索读取规则，不要求一次渲染全部内容。

该模块只决定浏览器请求应当走哪个代理出口。Yak MITM 可以作为其中一个代理出口使用，但扩展不会替用户控制或改变 MITM 内部规则。

5. Cookie Editor 与 User-Agent 快速切换

Popup 提供针对当前站点的高频操作，Options 提供完整管理界面。

• 查看、添加、编辑和删除当前站点 Cookie；
• 支持 Domain、Path、SameSite、安全标记与分区 Cookie 元数据；
• 支持 Cookie 过滤、导入与导出；
• 提供常用设备 User-Agent 模板；
• 创建、保存和删除自定义 User-Agent；
• 将 User-Agent 分配给指定 Hostname，并立即作用于真实网络请求头。

User-Agent 工具只修改网络请求头，不伪装 navigator、Client Hints、屏幕信息、Canvas、TLS 或其他浏览器指纹。界面会明确提示这一边界。

6. 安全配对与浏览器共享会话

Yak gRPC 进程内置 Browser Bridge v3，扩展无需额外启动桥接脚本，也不依赖手工复制的长期 Token。

• 首次配对显示六位校验码，由用户同时在扩展与 Yakit 中确认；
• 扩展生成不可导出的 ECDSA P-256 安装身份，Yak 保存独立引擎身份；
• 后续连接通过双向身份、签名挑战、扩展 Origin 和安装 ID 完成认证；
• 支持多个浏览器设备同时在线，并按设备 ID 精确路由任务；
• 共享会话绑定标签页、Frame、文档、Origin、Task、Scope 和过期时间；
• 页面刷新、文档替换或跨来源导航不会静默继承原授权；
• 用户可以随时暂停 Agent、撤销共享会话或在 Yakit 中撤销整个浏览器设备；
• 审计日志只记录方法、目标类型、耗时、结果和错误码等元数据，不保存 Cookie 值、页面正文、Eval 源码、请求载荷或执行结果。

产品界面

界面	主要用途
Popup	查看当前页面与引擎状态；快速切换代理、Cookie 和 User-Agent；进入完整工作区。
Options	运行概览、授权测试、代理出口、自动切换、规则订阅、网络活动、Cookie Editor、UA 管理、登录态工作区、引擎连接与操作记录。
页面悬浮面板	贴近当前页面的轻量操作入口，可吸附屏幕边缘，并在需要时展开代理、接管和任务状态。
Yakit 浏览器集成	管理已配对设备、执行浏览器任务、查看录制与明文网关，并与 Web Fuzzer 联动。
Yak AI Agent	调用经过授权的浏览器能力，分析证据、编排流程，并在必须人工参与时等待用户接管。

快速开始

环境准备

完整能力需要以下组件：

• Chrome / Chromium / Edge，或受支持的 Firefox；
• Node.js 与 pnpm；
• 包含 Browser Bridge v3 的 Yak 引擎；
• 包含“浏览器集成”工作区的 Yakit。

仅使用代理、Cookie、User-Agent 等本地工具时，不要求连接 Yak 引擎。

安装依赖并启动开发模式

git clone https://github.com/yaklang/yaklang-chrome-extension.git
cd yaklang-chrome-extension
pnpm install
pnpm dev

如果浏览器没有自动加载扩展：

1. 打开 chrome://extensions；
2. 开启“开发者模式”；
3. 选择“加载已解压的扩展程序”；
4. 加载 .output/chrome-mv3-dev。

WSL 开发

WXT 在 WSL 环境中不会自动打开浏览器。项目提供了单独的启动器：

pnpm dev:wsl

开发 Profile 位于 .wxt/chrome-wsl-profile。当前稳定版 Chrome 不接受无人值守的 --load-extension 参数时，首次仍需在 chrome://extensions 手动加载 .output/chrome-mv3-dev；之后该 Profile 会记住扩展。

如需指定 Chromium 或 Chrome for Testing：

CHROME_PATH=/path/to/chromium pnpm dev:wsl

连接 Yak 与 Yakit

在 Yak 仓库中启动 gRPC 引擎：

go run common/yak/cmd/yak.go grpc --host 0.0.0.0

标准启动会在 127.0.0.1:64333 自动启动 Browser Bridge，无需额外参数。

首次配对：

1. 在 Yakit 打开“系统设置 → 浏览器集成”；
2. 在扩展 Options 打开“引擎连接”；
3. 点击“查找本机 Yakit”；
4. 对比扩展与 Yakit 显示的六位校验码；
5. 确认一致后，在 Yakit 批准待配对浏览器。

配对完成后，设备身份会持久保存，后续通过签名挑战自动认证。若在 Yakit 中撤销设备，当前连接会立即关闭，浏览器必须重新配对。

非默认部署可以使用：

• --browser-extension-bridge-port：修改 Bridge 监听端口；
• --disable-browser-extension-bridge：显式关闭 Browser Bridge；
• Native Messaging：在浏览器无法直接访问回环 Bridge，或需要受管部署时使用。

Native Host 的构建与注册方式见 native-host/README.md。

典型工作流

从真实页面生成明文网关

1. 打开目标页面，在扩展中选择对应标签页；
2. 进入“网络活动”，在“录制”中开始一次操作；
3. 回到目标页面，完成一次登录、查询、提交或解密操作；
4. 停止录制，查看按时间排序的业务 Trace 与自动推断 Profile；
5. 证据充分时直接生成明文网关；证据不足时按提示进入“深度捕获”，再执行一次最小业务动作；
6. 在“明文网关”查看数据流、页面函数、字段映射和本地回放结果；
7. 保存后创建或复用浏览器共享会话；
8. 在 Yakit Web Fuzzer 选择对应的浏览器明文网关，编辑明文并发送。

页面刷新或跨文档导航后，依赖旧页面闭包的 Callable 可能失效。扩展会保留录制证据，但不会把旧函数静默绑定到新文档。

进行双身份授权测试

1. 准备两个已经登录不同账号、且认证上下文真正隔离的页面；
2. 在“授权测试”中分别选择身份 A 与身份 B；
3. 执行身份校验并开始双方请求捕获；
4. 在两个页面分别完成同类业务动作；
5. 让扩展自动选择正常基线，或手动确认请求；
6. 选择资源字段或权限动作，审阅确定性测试计划；
7. 确认请求预算与潜在副作用后执行；
8. 查看四项矩阵、报文、结构化差异和业务归属证据；
9. 将短时证据包交给 Yakit / AI Agent 做独立复核。

同一浏览器普通窗口中的两个标签页通常共享 Cookie，不能仅凭“两个 Tab”证明身份隔离。Chromium 推荐使用普通窗口与无痕窗口，Firefox 可使用受支持的隔离上下文。

让 Agent 使用登录后的页面

1. 在“引擎连接”中勾选需要共享的 Tab 与 Frame；
2. 选择只读或控制权限预设，并设置 15 分钟至 4 小时的有效期；
3. 如确有必要，单独开启程序级 Eval；
4. 创建浏览器共享会话；
5. 在 Yakit 或 Yak AI Agent 中选择对应设备执行任务；
6. 随时在扩展中暂停、恢复或撤销会话。

构建与验证

常用命令

命令	用途
pnpm dev	启动 Chromium 开发模式。
pnpm dev:wsl	使用持久 Profile 启动 WSL 开发环境。
pnpm dev:firefox	启动 Firefox 开发模式。
pnpm compile	运行 TypeScript 类型检查，不生成文件。
pnpm test	运行 Vitest 测试。
pnpm build:store	构建 Chrome Store 包。
pnpm build:enterprise	构建本地或企业受管部署包。
pnpm build:firefox	构建 Firefox MV2 包。
pnpm build:firefox:amo	构建 Firefox MV3 AMO 包。
pnpm verify:production	运行测试、类型检查、多目标构建和生产策略审计。
pnpm verify:ui:store	验证 Chrome Store 运行路径。
pnpm verify:ui:enterprise	验证 Enterprise User Scripts 路径。
pnpm verify:ui:enterprise:fallback	验证 Enterprise 注入回退路径。
pnpm verify:native	验证 Native Messaging Host 与 Bridge 链路。

verify:production 会连续执行测试、类型检查和多个浏览器目标构建，资源占用明显高于单项命令。日常开发建议先运行与改动相关的测试和 pnpm compile，发布前再执行完整验证。

构建差异

构建	页面执行通道	适用场景
Chrome Store	User Scripts MAIN，不包含直接 Eval 注入回退	商店策略兼容分发。
Chrome Enterprise	User Scripts MAIN，并提供受控的打包回退通道	本地安装、企业受管与高级测试。
Firefox MV2	Firefox 页面注入通道	本地与企业 Firefox 环境。
Firefox MV3 AMO	Invoke-only 公共分发包	Firefox AMO 策略兼容分发。

Chrome Store 构建声明 Chrome 138+。用户需要在扩展详情页开启“允许用户脚本”，页面主世界能力才能正常工作；未开启时扩展会明确报告原因，不会静默降级为直接 Eval。

发布与下载

发布由 GitHub Actions 的 Build and Release workflow（手动触发）完成：执行 verify:production 全量校验后，将四个变体打包为不可变的版本化产物上传到 OSS，再发布机器可读的 manifest，并从公网侧回读验证。CI 在每次 push / PR 时运行同一套构建与审计。

下载入口（不要硬编码版本号）：

https://aliyun-oss.yaklang.com/chrome-extension/manifest.json

manifest 的 latest 指向最新版本，versions[0] 为完整记录，最多保留 10 个历史版本。每个版本按 variant（chrome-store / chrome-enterprise / firefox / firefox-amo）匹配 artifact，字段包括 url、filename、sha256、size 与 checksum_url；manifest 自身的 SHA-256 在同目录的 manifest.json.sha256.txt。

推荐的消费流程：

1. 拉取 manifest.json（缓存 5 分钟），按需选择版本与变体；
2. 下载 artifact（版本化 URL 永不变更，缓存一年）到临时文件；
3. 校验 size 与 sha256（或对比 checksum_url 内容）后，解压并安装；
4. 变体用途见上表“构建差异”。

发布契约：

• 版本化产物不可变：URL 形如 …/chrome-extension/<version>/<variant>-<version>.zip，重复发布同版本时内容一致则跳过、不一致则流水线报错拒绝覆盖；
• manifest.json 可变、缓存 5 分钟，先发布 manifest 再发布其校验文件，消费方可用校验文件识别中间态；
• 发布 job 结束前有独立的 verify job 从公网下载全部产物，复核 sha256、缓存头与 zip 内 manifest.json 版本。

权限与数据边界

扩展声明 tabs、scripting、cookies、proxy、webRequest、webNavigation、debugger 等权限，是为了在用户主动选择的目标页面上提供对应安全测试能力。nativeMessaging 是可选权限，仅在用户选择 Native 模式时请求。

默认数据策略：

• Cookie、Storage、表单值、请求 Header / Body 和录制值预览分别受独立 Scope 控制；
• 敏感网络字段与录制短时样本默认关闭或仅在当前会话保留；
• 页面上下文采用有界结构化快照，不导出完整页面 HTML；
• Deep Capture 可以保留页面内对象引用，但不会主动导出不可提取密钥；
• 操作审计与诊断导出不包含 URL 参数值、Cookie、载荷、Eval 代码、调用参数或结果；
• 远程订阅、代理配置和浏览器状态保存在扩展本地存储或 IndexedDB；
• 撤销 Grant、关闭目标文档或断开设备会终止相关远程能力。

更完整的 Capability、Grant、Bridge、Native Messaging、网络捕获、Recorder、Deep Capture 和 Transform Gateway 设计见 ARCHITECTURE.md。视觉与交互规范见 DESIGN.md。

浏览器支持与已知边界

• Chromium 系浏览器提供完整 Deep Capture 调试能力；Firefox 不提供完全相同的 Debugger 协议能力；
• Store、Enterprise、Firefox MV2 与 Firefox AMO 构建的页面执行通道和权限不同；
• 页面导航可能使文档绑定节点、Grant、Callable 和 Transform Profile 失效，扩展不会跨文档静默复用高权限引用；
• 前端代码严重混淆、动态加载、原生模块、远程证明或服务端参与的算法不保证全自动还原；
• 自动推断只在证据满足约束时生成 Profile，必要时仍需要测试者选择业务函数、确认字段语义或使用 AI 分析；
• User-Agent 修改不等于完整设备指纹伪装；
• 浏览器会话能够复用登录态，但不能替代目标授权、业务理解和测试人员的最终判断。

目录结构

src/
├── app/background/       # Background 路由与功能 Handler
├── components/           # 品牌与共享 UI 组件
├── entrypoints/          # Popup、Options、Content、Floating、MAIN-world 入口
├── features/             # 代理、录制、加解密、授权测试、Bridge 等领域模块
├── platform/             # 浏览器、策略、消息与存储适配层
├── protocol/             # Bridge、Capability、Storage 与 Transform Schema
├── shared/               # 无状态公共工具
├── styles/               # 设计 Token、主题与基础 UI 样式
└── types/                # 跨模块领域模型

native-host/              # Native Messaging 安装脚本与说明
public/                   # 图标、品牌资源与 Managed Storage Schema
scripts/                  # 构建审计、浏览器验证与契约测试
ARCHITECTURE.md            # 系统架构与安全边界
DESIGN.md                  # UI 设计系统
wxt.config.ts              # WXT 与浏览器 Manifest 配置

相关项目

• Yaklang：Yak 语言、安全引擎、Browser Bridge 与 AI Agent 能力；
• Yakit：安全测试桌面端、浏览器集成工作区与 Web Fuzzer；
• WXT：本扩展使用的跨浏览器扩展开发框架。

负责任地使用

浏览器真实上下文能够显著降低复杂登录态、前端加密和授权测试的操作成本，也意味着错误操作可能读取敏感数据、发送真实请求或改变业务状态。请在执行前确认目标范围、账号权限、请求预算和副作用，并保留必要的人工复核。

Yakit Browser Agent 的目标不是替用户隐藏风险，而是把风险、证据、权限和执行现场放在同一个可理解、可控制的工作流中。