建议WPS 浏览器助手借鉴开源项目Tactus
Lv.2潜力创作者
Castor6/tactus是一款在Github开源的浏览器扩展（Chrome / Firefox），将 Agent Skills 规范与MCP引入浏览器环境，让 AI Agent 在浏览器中通过可扩展的技能系统执行复杂任务，替代重复的自动化操作，以降低 token 消耗并提升执行效率。项目采用 TypeScript 编写，基于 WXT 浏览器扩展框架与 Vue 3 构建。
Tactus 核心功能解析
一、Agent Skills 系统
Tactus 是首个在浏览器扩展中实现 Agent Skills 规范的产品。其实现包含以下环节：
技能导入：用户通过设置页面导入符合规范的 Skill 文件夹（包含 SKILL.md 及可选的脚本、参考文档和资源文件），数据存储于本地 IndexedDB
SKILL.md 解析：内置轻量级 YAML 解析器（utils/skills.ts），对 frontmatter 中的 name、description 等字段进行格式校验（name 的正则规则、字符长度限制等），与规范要求严格一致
技能激活机制：系统将所有已导入技能的 name 和 description 生成 XML 格式的提示词注入系统上下文，AI 模型通过 <skill_activation> 标签发起激活请求，扩展侧解析该标签并加载对应技能的完整指令
脚本执行：通过 Background Script 使用 chrome.userScripts API 在页面主世界（Main World）中执行 JavaScript 脚本，绕过内容安全策略（CSP）限制
信任机制
首次执行任意 Skill 脚本时，系统向用户展示脚本完整内容并要求确认。用户可选择"永久信任"该脚本，后续执行免确认。已信任的脚本状态通过 WXT Storage 持久化。此外，脚本执行前会进行静态安全扫描（validateScript），检测 eval()、Function 构造器、document.cookie、localStorage、浏览器扩展 API 等潜在风险模式并发出警告。
二、MCP（Model Context Protocol）集成
Tactus 通过 @modelcontextprotocol/sdk 实现了 MCP 客户端，支持 HTTP（Streamable HTTP）传输方式连接外部 MCP Server。
连接管理
utils/mcp.ts 中的 McpClientManager 类维护一个 Map<string, McpClientInstance> 的客户端实例池，支持同时连接多个 MCP Server。连接建立后，客户端自动调用 listTools() 获取目标 Server 暴露的工具列表，并将其转换为 OpenAI Function Calling 格式统一接入对话系统。
认证体系
支持三种认证方式：无认证（公开服务）、Bearer Token 认证（通过 Authorization 请求头传递）、OAuth 2.1 认证（通过 createExtensionOAuthProvider 实现授权码流程，支持自动刷新）。OAuth 配置存储于独立的 mcpStorage.ts 模块。
工具名称空间
为避免多 Server 之间的工具名冲突，Tactus 对 MCP 工具名称进行命名空间转换，生成格式为 mcp__{serverId}__{toolName} 的唯一工具标识。调用时通过 parseMcpToolName 反向解析出原始 serverId 和 toolName，再路由到对应的 MCP Client 实例执行 callTool。
三、页面内容理解
Tactus 采用 Mozilla 的 Readability 算法配合 Turndown 库实现页面内容提取与格式转换（utils/pageExtractor.ts）：
智能提取模式（默认）：Readability 算法解析页面 DOM，提取核心文章内容（标题、正文、作者、摘要等），再由 Turndown 将 HTML 转换为 Markdown
原始提取模式：针对特定网站可配置跳过 Readability 算法，直接提取 <body> 的纯文本内容（移除 script、style、noscript 等无关元素）
上下文感知：AI 模型自主判断是否需要调用页面提取工具。若 Skill 脚本已提供所需内容，则跳过提取以避免重复消耗 token
内容长度控制：用户可配置提取内容的最大字符数限制，超出部分进行截断处理
四、浏览器自动化能力
在最新版本中，Tactus 引入了基于 Chrome DevTools Protocol（CDP）的浏览器自动化工具集（utils/browserAutomation.ts，约 60000 行），提供以下能力：
标签页管理：创建 AI 工作标签页、认领用户标签页、列示和切换标签页、任务完成后整理标签页（关闭中间标签页、保留结果标签页）
DOM 快照：读取当前页面的可见可交互 DOM 节点，为每个节点分配唯一 node_id，供后续点击和填写操作使用
页面交互：基于 node_id 的元素点击、文本填写、键盘操作、页面滚动、导航和刷新
截图与导出：全页面截图、元素级别截图、原始页面内容导出（MHTML 格式优先，降级为完整 HTML）
风险分级：交互操作按风险等级分为 none（普通）、sensitive（敏感）、destructive（破坏性）三级，敏感和破坏性操作需用户二次确认
该模块采用标签页分组机制（"Tactus Task" 工作组和 "Tactus Results" 结果组），将 AI 操作的标签页与用户正常浏览隔离。
五、AI 服务商集成
Tactus 同时原生支持三套 API 协议：
Anthropic Claude API（utils/anthropic.ts）：原生调用，完整支持 Tool Use 和 Vision
Google Gemini API（utils/gemini.ts）：原生调用，支持 Function Calling 和多模态输入
OpenAI 兼容 API（utils/api.ts）：通过 OpenAI SDK 统一接入，兼容所有 OpenAI 协议的服务商
对话系统内置 ReAct（Reasoning + Acting）范式循环：模型自主决策何时调用工具，工具执行结果回注上下文后继续推理，直至生成最终回复。
技术栈总览
层面 | 技术选型 |
扩展框架 | WXT（现代浏览器扩展开发框架） |
前端 | Vue 3 + TypeScript |
AI 集成 | 原生 Anthropic API、原生 Gemini API、OpenAI SDK |
MCP 客户端 | @modelcontextprotocol/sdk（Streamable HTTP Transport） |
内容提取 | @mozilla/readability + turndown |
本地存储 | IndexedDB（idb）+ WXT Storage |
认证 | OAuth 2.1（MCP Server 认证） |
对 WPS 浏览器助手的借鉴建议
基于对 Tactus 的技术分析，以下建议可供 WPS 浏览器助手的迭代参考：
建议一：引入 Skill 技能系统
WPS 灵犀桌面端已建立成熟的 Skill 机制（SKILL.md 规范 + 本地技能目录），具备丰富的技能生态。建议将该机制向浏览器端延伸，允许用户在浏览器助手配置中导入 SKILL.md 格式的技能文件夹。浏览器的 Skill 可侧重于以下场景：
网页内容处理：对特定网站的页面结构解析、数据提取模板
在线服务集成：将常用的表单填写、数据提交流程封装为可复用技能
内容创作辅助：针对不同平台（社区论坛、知识库等）的内容格式规范封装为技能
实现上需注意渐进式加载策略——浏览器环境的上下文窗口更为受限，应严格遵循 Agent Skills 规范的"元数据 → 指令 → 资源"三级加载模型。
建议二：集成 MCP 协议支持
Tactus 的 MCP 集成实践表明，通过 HTTP Streamable Transport 连接外部 MCP Server 是浏览器环境下的可行路径。建议 WPS 浏览器助手增加 MCP 客户端能力，使浏览器端 AI 能够调用后端工具服务，例如：
通过 MCP 调用 WPS 云文档 API，实现浏览器端直接读取和编辑云端文档
通过 MCP 连接企业内部工具 Server（知识库检索、数据分析、CRM 等），扩展浏览器助手的业务能力边界
利用 MCP 的动态工具发现机制，实现工具能力的即插即用
工具命名空间的处理值得借鉴——Tactus 采用 mcp__{serverId}__{toolName} 前缀方案，有效解决了多 Server 工具名冲突问题。
建议三：增强页面理解与自动化能力
当前 WPS 浏览器助手已具备基础的页面内容提取功能。参考 Tactus 的实现，可考虑以下增强方向：
双模式内容提取：默认使用 Readability 算法提取核心内容，针对特定网站支持配置原始提取模式
结构化 DOM 快照：提供页面可交互节点的结构化快照（而非纯文本），为后续自动化操作提供精确的元素定位
操作录制与回放：Tactus 路线图中规划的"操作录制一键生成可复用 Skills"功能值得参考，用户在浏览器中的操作流程可自动录制成 Skill 脚本
建议四：脚本安全沙箱
Tactus 的脚本信任机制（首次确认 + 永久信任 + 静态安全扫描）为浏览器环境下的脚本执行提供了基本的安全保障。WPS 浏览器助手若引入 Skill 脚本执行能力，建议在此基础上进一步强化：
采用更严格的 CSP 策略和权限隔离
引入脚本执行的超时机制和资源配额限制
对脚本的网络请求、DOM 操作进行细粒度权限控制
Lv.2潜力创作者