BrowserSkill

BrowserSkill no es simplemente una alternativa a Playwright ni un navegador de IA independiente.

Es más bien un puente:

AI Agent → bsk CLI → daemon local → BrowserSkill Extension → navegador

El Agent no controla directamente el navegador. En su lugar, ejecuta comandos mediante bsk; el daemon transmite las peticiones a la extensión y esta las ejecuta dentro de una ventana independiente del Agent.

Cuando el Agent necesita interactuar con una pestaña que ya está utilizando el usuario, también debe solicitar explícitamente el préstamo de esa pestaña y devolverla una vez finalizada la tarea.

Este diseño aborda un problema muy concreto:

la automatización tradicional suele trabajar con «un navegador nuevo», mientras que BrowserSkill intenta trabajar con «el navegador que el usuario ya está utilizando».

¿Qué problema resuelve realmente?

El principal valor de BrowserSkill no está en acciones básicas como click, fill o navigate. Herramientas maduras como Playwright ya pueden hacerlas.

La diferencia importante está en el estado de sesión.

Imagina que quieres que un Agent gestione un panel SaaS. Con una automatización tradicional puede ser necesario preparar un Profile independiente, iniciar sesión de nuevo y enfrentarse a SSO, 2FA u otros mecanismos de autenticación.

BrowserSkill puede aprovechar el entorno del navegador en el que el usuario ya ha iniciado sesión, reduciendo parte de esa preparación.

Además, cuando la tarea encuentra un CAPTCHA, una confirmación de inicio de sesión, una solicitud de permisos u otro paso que requiere intervención humana, el Agent puede pedir al usuario que tome el control y continuar después de que la persona complete la acción.

El Skill oficial también establece expresamente que el Agent no debe extraer credenciales, cookies, tokens ni otros secretos.

El resultado es un flujo que combina:

sesión real iniciada + acciones del Agent + navegador visible + Human-in-the-loop.

Esto se acerca mucho más a un flujo de trabajo personal real que una simple automatización de clics.

¿Por qué necesita CLI, daemon y extensión?

BrowserSkill no ha optado por crear un plugin de navegador vinculado exclusivamente a un determinado Agent. En su lugar, expone sus capacidades mediante la CLI bsk.

Por eso, cualquier Agent que pueda ejecutar comandos Shell puede utilizar BrowserSkill. El proyecto menciona actualmente compatibilidad con Cursor, Claude Code, Codex, OpenClaw, CodeBuddy, WorkBuddy, Pi, Hermes Agent y DeepSeek Harness, entre otros.

Chrome y Edge son los navegadores oficialmente compatibles. Otros navegadores basados en Chromium pueden funcionar si cumplen los requisitos de la extensión, mientras que Firefox todavía figura como soporte previsto.

Esta es una diferencia importante frente a algunas herramientas de navegador específicas para un determinado Agent:

BrowserSkill se parece más a una infraestructura de navegador que a una función exclusiva de un AI Agent concreto.

El caso de uso más interesante: cerrar el ciclo del AI Coding

Lo que más interesante me parece de BrowserSkill no es que pueda «rellenar un formulario por ti», sino que permite cerrar un poco más el ciclo de desarrollo web.

Por ejemplo:

Modificar una página de Next.js → iniciar el proyecto → abrir el navegador → comprobar la UI real → detectar un problema → modificar el código → actualizar la página → volver a comprobarla.

Hasta ahora, un AI Coding Agent podía quedarse fácilmente en:

«El código ya está escrito».

Con acceso al navegador, puede dar un paso más y comprobar:

«¿El código realmente se comporta como esperaba en una página web?»

El SKILL.md oficial incluye precisamente entre sus usos la regresión de la UI de un PR y la verificación de páginas ya desplegadas. La versión 0.3.0 también incorpora capturas de página completa, referencias visuales de Canvas y posicionamiento de clics mediante capturas, funciones especialmente interesantes para revisar interfaces.

Esto hace que BrowserSkill sea algo más que Browser Automation: permite que un Coding Agent empiece a recibir feedback de un entorno web real.

La automatización y la intervención humana no son incompatibles

Uno de los problemas prácticos de la automatización web es que Internet no está completamente automatizado.

CAPTCHAs, 2FA, confirmaciones de pago y ventanas de permisos pueden requerir una persona.

BrowserSkill no intenta fingir que estos problemas no existen. En su lugar, incorpora un flujo Human-in-the-loop mediante funciones como request-help.

La versión actual también separa en el navegador determinadas decisiones de seguridad, como si el Agent puede tomar prestada una pestaña o si puede solicitar ayuda humana, en lugar de depender únicamente de un parámetro enviado por el propio Agent.

Este diseño es importante.

Un Agent realmente utilizable no debería intentar conseguir que «nunca tenga que preguntar a una persona», sino saber cuándo debe devolver el control al usuario.

Diferencias entre BrowserSkill, Playwright, Browser MCP y Computer Use

Solución	Enfoque principal
BrowserSkill	Permitir que un Agent utilice un navegador real en el que ya existe una sesión iniciada
Playwright	Automatización web programática, testing y control del navegador
Playwright MCP	Exponer las capacidades de Playwright a un Agent mediante MCP
Chrome DevTools MCP	Proporcionar a un Agent capacidades de depuración, red, rendimiento y control de Chrome
Computer Use	Simular la interacción humana con una interfaz mediante visión y control del ordenador

Aquí es fácil caer en una confusión:

BrowserSkill no ha reinventado la automatización del navegador.

Playwright MCP ya puede conectarse mediante una extensión a pestañas existentes del navegador y reutilizar una sesión iniciada. Chrome DevTools MCP también permite que un Coding Agent controle y compruebe un Chrome en tiempo real.

Por eso, la diferencia de BrowserSkill se describe mejor de esta manera:

combina conexión con un navegador real, Agent Skill, préstamo de pestañas, control de permisos, intervención humana y acceso genérico mediante Shell en un mismo flujo orientado a Coding Agents.

Ese es el aspecto realmente interesante del proyecto.

Las principales limitaciones actuales de BrowserSkill

Por supuesto, todavía está lejos de permitir que cualquier tarea web compleja pueda delegarse en la IA de forma completamente estable.

En primer lugar, sigue necesitando CLI, daemon y extensión del navegador, por lo que la configuración es considerablemente más compleja que la de un simple script web.

Además, el navegador es un entorno extremadamente dinámico. Cambios en la página, iframes, Canvas complejos, ventanas emergentes y estados de red pueden hacer que una acción del Agent falle.

De hecho, buena parte de las actualizaciones de la versión 0.3.0 están relacionadas con coordenadas, identidad del DOM, capturas, estados de formularios y operaciones entre frames. Esto demuestra por sí mismo que la ingeniería necesaria para construir Browser Agents sigue siendo considerable.

El proyecto también dispone de evals/browser, con páginas locales deterministas, 28 categorías de operaciones del navegador y mecanismos de prueba independientes del Agent. Sin embargo, estas pruebas sirven principalmente para validar capacidades y realizar regresiones; no demuestran que BrowserSkill vaya a mantener una alta tasa de éxito durante largos periodos en sitios web reales de Internet.

Los Evals oficiales también distinguen entre los resultados verificables de una página y las evidencias proporcionadas por el adaptador del Agent.

Y hay otro aspecto importante: utilizar una sesión real iniciada tiene dos caras.

Cuanto más cómodo resulta, mayores son también las implicaciones de permisos y seguridad.

BrowserSkill ya establece límites mediante el préstamo de pestañas, las confirmaciones humanas y la prohibición de extraer credenciales, cookies o tokens. Aun así, el usuario no debería entregar sin restricciones cuentas altamente sensibles a un Agent.

¿Cómo es la experiencia de uso?

Desde la perspectiva de un desarrollador, el flujo está bastante bien definido:

Instalar la CLI → instalar la extensión → bsk install-skill → conectar el navegador → crear una sesión → dejar que el Agent opere la web → intervención humana cuando sea necesaria → continuar la tarea.

Además, el proyecto está evolucionando rápidamente. La versión 0.3.0 incorpora conexión con navegadores remotos, historial de ejecución de tareas, capturas de página completa y operaciones visuales sobre Canvas. Las versiones anteriores también han ido solucionando problemas relacionados con el préstamo de pestañas, estados de formularios, conexión con el navegador y comportamiento de las ventanas.

Sin embargo, los Issues siguen mostrando problemas prácticos, como la recuperación de conexiones después de largos periodos de inactividad, fallos al realizar capturas o problemas relacionados con el foco de las ventanas.

Esto sugiere que, actualmente, BrowserSkill encaja mejor en tareas reales supervisadas y procesos de desarrollo o debugging que en automatizaciones críticas de producción completamente desatendidas.

¿Para quién tiene más sentido BrowserSkill?

Puede resultar especialmente útil para desarrolladores que ya utilizan Claude Code, Codex, Cursor u OpenClaw y necesitan con frecuencia:

• Operar servicios SaaS en los que ya han iniciado sesión
• Comprobar los sitios web que están desarrollando
• Realizar regresiones de UI web
• Rellenar automáticamente formularios o paneles de administración
• Recopilar y organizar información de páginas web
• Conectar los cambios de código con la verificación de resultados en un navegador real

Si tu objetivo es ejecutar decenas de miles de pruebas web repetitivas y completamente deterministas, una herramienta de automatización programática como Playwright sigue estando más orientada a ese escenario. Cuenta con un ecosistema maduro de testing, locators, assertions y flujos de CI.

Valoración final

El verdadero valor de BrowserSkill no está en que «la IA por fin pueda hacer clic en páginas web».

Eso dejó de ser algo nuevo hace tiempo.

Su importancia está más bien en que los AI Agents pueden empezar a entrar en el entorno web que el usuario ya utiliza, en lugar de comenzar cada tarea desde un navegador limpio.

El estado de sesión, las pestañas existentes, la intervención humana y el Coding Agent pasan a formar parte del mismo flujo de trabajo. Para un desarrollador independiente, esto puede tener más utilidad práctica que simplemente añadir unas cuantas APIs de navegador.

Aun así, BrowserSkill sigue siendo una infraestructura en rápida evolución. Ya muestra que la idea de permitir que un Agent utilice un navegador real tiene aplicaciones prácticas claras, pero todavía existe una distancia considerable hasta conseguir una automatización completamente desatendida y altamente estable para tareas web complejas.

Valoración general: 4,3/5,0

La valoración se basa en el posicionamiento actual del proyecto y en su grado de madurez técnica: aborda un problema muy concreto, ofrece una integración flexible con diferentes Agents y aporta capacidades diferenciadoras como el uso de sesiones reales y Human-in-the-loop. Al mismo tiempo, la cadena de instalación, la complejidad inherente al entorno del navegador y la estabilidad de los procesos largos siguen siendo limitaciones importantes para convertirse en una infraestructura universal de Browser Agents.

Si pensamos en un AI Coding Agent como «una IA que sabe desarrollar software», BrowserSkill intenta completar una pieza muy práctica del flujo:

que el Agent no solo pueda modificar código, sino también abrir una página web real, comprobar el resultado y, cuando sea necesario, participar en un flujo de trabajo web real.