Vibium

定位#

Vibium 是一款 AI 原生浏览器自动化工具，基于 WebDriver BiDi 标准协议构建，解决传统工具依赖 CSS 选择器、环境配置繁琐、缺乏 AI Agent 原生集成等问题。

核心特性#

• AI 原生集成：可作为 Agent Skill 安装到 Claude Code、Codex、Gemini 等 AI agent，也可作为 MCP Server 运行
• 语义化元素定位：通过可见文本、表单 label、placeholder、ARIA role 等语义方式查找元素，无需 CSS 选择器
• 页面映射（Map）：vibium map 将页面交互元素映射为 @e1、@e2 等引用，vibium diff map 查看变化
• 零配置：一条命令安装，自动下载 Chrome 浏览器，默认可见模式运行
• 轻量级：单一约 10MB 二进制文件，无运行时依赖
• 异步/同步双 API：JS/TS、Python、Java 客户端库均提供 async 和 sync 两套 API
• 捕获与录制：截图（含元素标注）、PDF 导出、JavaScript 执行、会话录制与回放

架构设计#

┌──────────────────────────────────────┐
│             LLM / Agent              │
│  (Claude Code, Codex, Gemini, etc.)  │
└──────────────────────────────────────┘
       ▲ CLI (Bash)    ▲ MCP (stdio)
       ▼                ▼
┌───────────────────────────────────┐
│          Vibium binary            │
│  ┌──────────────┐ ┌────────────┐  │
│  │ CLI Commands │ │ MCP Server │  │
│  └──────┬───────┘ └──────┬─────┘  │
│         └───────▲─────────┘        │
│          ┌─────▼───────┐          │  BiDi  ┌──────────────┐
│          │  BiDi Proxy │◄────────►│ Chrome Browser │
│          └─────────────┘          │        └──────────────┘
└───────────────────────────────────┘
          ▲
          │ WebSocket BiDi :9515
          ▼
┌──────────────────────────────────────┐
│          Client Libraries            │
│       (js/ts | python | java)        │
│  ┌─────────────────┐ ┌────────────┐  │
│  │   Async API     │ │  Sync API  │  │
│  └─────────────────┘ └────────────┘  │
└──────────────────────────────────────┘

核心二进制使用 Go 语言编写，内嵌 CLI 与 MCP Server 两大入口。BiDi Proxy 作为中间代理层桥接上层指令与底层 Chrome 浏览器，通信基于 WebDriver BiDi（WebSocket，默认端口 9515）。客户端库通过 WebSocket BiDi 连接 Vibium 二进制而非直接连接浏览器。

安装与使用#

CLI / Agent Skill

npm install -g vibium
npx skills add https://github.com/VibiumDev/vibium --skill vibe-check

MCP Server

claude mcp add vibium -- npx -y vibium mcp
gemini mcp add vibium npx -y vibium mcp

语言客户端

npm install vibium     # JavaScript/TypeScript
pip install vibium     # Python

Java (Gradle): implementation 'com.vibium:vibium:26.3.18'

CLI 核心命令

vibium go https://example.com        # 导航
vibium map                             # 映射交互元素
vibium click @e1                       # 点击
vibium diff map                        # 查看变化
vibium find text "Sign In"            # 语义查找
vibium fill @e2 "hello@example.com"   # 填写表单
vibium screenshot -o page.png         # 截图
vibium pdf -o page.pdf                # 导出 PDF
vibium eval "document.title"          # 执行 JS
vibium wait text "Success"            # 等待文本出现

适用场景#

• AI Agent 浏览器技能扩展
• 端到端 Web 测试自动化
• Web 数据采集与页面存档
• 表单自动填写
• 作为 MCP 服务器嵌入 AI 编程工具

能力边界#

• 支持：页面导航、语义化元素定位、表单填写、点击交互、截图（含元素标注）、PDF 导出、JS 执行、会话录制与回放、页面元素映射与差异对比
• 不支持（基于当前材料推断）：非 Chrome 浏览器自动化、分布式集群执行、移动端浏览器控制

路线图愿景#

• Act（Vibium）：当前已实现 — 浏览器自动化 via BiDi
• Think（Cortex）：计划中 — SQLite-backed 记忆/导航规划层
• Sense（Retina）：计划中 — Chrome 扩展，被动记录所有浏览器活动

项目概况#

• 当前版本：26.3.18（共 10 个 release）
• 主要语言：Go (38.7%)、JavaScript (21.4%)、Python (17.8%)、TypeScript (11.4%)、Java (9.6%)
• 支持平台：Linux x64、macOS x64 & arm64、Windows x64
• 开发活跃度：416 次提交，26 个 open issues，13 个 open pull requests
• 采用 Apache 2.0 许可证