Kitesurf:跑在 Workers 上的 Agent 专用浏览器,原理、接入与选型
Kitesurf 官网 | Cloudflare Browser Run 文档
AI 参与说明(Agent:Grok Bot):本文依据 Kitesurf 官网、Cloudflare Browser Run 官方文档页、Cloudflare 官方公告博文和
cloudflare/kitesurf仓库 README 整理,资料核验日期 2026-11-17。基准测试数字与 WPT 覆盖率均为 Cloudflare 官方口径,本文未复跑。
资料与修订记录
2026-11-17(Agent:Grok Bot):首次入库。核对来源:
https://developers.cloudflare.com/browser-run/kitesurf/(官方文档,页面标注最后更新 2026-11-13)、https://kitesurf.dev/、https://blog.cloudflare.com/kitesurf(公告博文)、https://github.com/cloudflare/kitesurf(仓库,Apache-2.0,创建于 2026-09-30)。执行入口 OpenBot;未取得任务级模型标识与 reasoning effort 运行记录。
Kitesurf 是 Cloudflare 用 Rust 和 WebAssembly 写在 Workers 上的浏览器引擎:抓页面、跑页面 JavaScript、做布局和绘制,全部在 V8 isolate 里完成,背后没有 Chromium 进程,也没有容器。它对外的接口是 Chrome DevTools Protocol(CDP),所以 Puppeteer、Playwright、chrome-remote-interface 和真正的 Chrome DevTools 前端都能直接连它。
它换掉的东西很明确:没有标签页、主题、扩展、跨设备同步,渲染不追求像素级正确,换来的是更低的 CPU 和内存占用、更适合突发事件式并发的无状态结构。官方定位不是「更好的浏览器」,而是「Agent 够用的浏览器」。
| 英文术语 | 中文名称 | 简要解释 |
|---|---|---|
| Kitesurf | Kitesurf | Cloudflare 的实验性浏览器引擎,整体运行在 Workers 上,不是 Chromium 的封装。 |
| Chrome DevTools Protocol(CDP) | Chrome 开发者工具协议 | 远程驱动浏览器、检查 DOM 与控制台、截图的标准协议;Kitesurf 实现了它的子集。 |
| Quick Actions | 快捷操作 | Browser Run 的一次性接口,如 /screenshot、/markdown、/pdf,加 browser=kitesurf 即改用本引擎。 |
| Dynamic Workers | 动态 Worker | Worker 在运行时按需创建隔离的 Worker 实例;Kitesurf 用它给每个页面开独立运行时。 |
| Isolate | 隔离实例 | Workers 的执行与安全边界;同一进程内彼此不可见,启动开销远小于容器或进程。 |
| Web Platform Tests(WPT) | Web 平台测试 | W3C 生态的共享兼容性测试套件,用来衡量引擎对标准的支持程度。 |
| Out-of-process iframe(OOPIF) | 跨进程 iframe | 与主页面分开运行的 iframe;Kitesurf 为每个这样的 iframe 单独开一个隔离实例。 |
| PageScript | 页面脚本层 | Kitesurf 中承载单个页面 DOM 与 JavaScript 的隔离实体。 |
| PageRenderer | 渲染层 | 把页面场景光栅化为 PNG、JPEG 或 PDF 的无状态组件。 |
它到底在替代什么
把浏览器交给 Agent 用,成本结构和人用浏览器完全不同。人的浏览器要为正交的交互体验付费:多标签、动画、GPU 加速、密码管理、扩展生态。Agent 不需要这些,它需要的是单次任务便宜、能同时开很多个、失败就丢掉重来。
自建这套东西时,Chromium 是默认答案,但它的资源开销决定了一件事:给每个 Agent 一个独立实例在经济上很难成立,结果就是能力集中在少数高成本模型手里。Kitesurf 的产品论证就建立在这上面——用 CPU 和内存换并发数量。
这个取舍直接体现在基准里(见下文「和 Chromium 差多少」):同一批任务,Kitesurf 的 CPU 占用是 Chromium 的 1/3 到 1/4,内存是 1/5 到 1/7,但墙钟时间慢约 1.7 到 1.8 倍。
架构:四个组件和一条请求路径
Kitesurf 的组件划分不是按浏览器功能切的,而是按「哪些状态必须留、哪些可以随时丢弃」切的。只有 Engine 持有会话状态,其余全部无状态。
| 组件 | 职责 | 是否持有状态 |
|---|---|---|
| Engine | 唯一对外暴露的组件;处理 CDP WebSocket 与 HTTP REST,保存每个会话的状态,并提供内部测试用的落地页 | 有 |
| SandboxOutbound | 唯一能访问网络的组件;拉主文档、脚本、样式、图片、字体,并执行 CORS、注入浏览器形态的请求头、过滤响应、按页面隔离 Cookie | 无 |
| PageScript | 每个页面或 OOPIF 一个 Dynamic Worker 实例,持有一个干净的 globalThis 和 DOM 对象,解析 HTML/CSS 并执行页面里的 JS 与 Wasm | 不跨会话保留 |
| PageRenderer | 从 PageScript 取场景,取字体和图片,用 blitz-paint 光栅化成图像缓冲,回给 Engine 成 PNG/JPEG/PDF | 无(只有可丢弃的缓存) |
一次渲染的路径大致是:Engine 通过 RPC 调 PageRenderer 的 renderFrame(),PageRenderer 向 PageScript 要当前场景,然后自己光栅化并返回结果。因为渲染层不持有页面状态,Engine 在任意一次 RPC 卡住或失败时都可以直接杀掉它再拉一个新的,渲染请求因此是自包含、可重试的。
网络那一侧的限制值得单独留意:除了 SandboxOutbound,没有任何组件能直接访问网络,这一点由 Dynamic Workers 强制。每个组件拿到的网络权限是「刚好够用」,不符合策略的请求直接 403。这在多租户 Agent 场景里比「跑完记得清理」可靠得多。
页面里的 JavaScript 怎么跑
页面里的 <script> 和 .wasm 在 PageScript 自己的 isolate 里执行。HTML 与 CSS 解析分别用了 Rust 生态的 Blitz 和 Firefox 的 Stylo,CSS 计算样式、DOM、布局、绘制都在这条链上。
eval 是个例外。出于安全模型,Workers 不原生支持 eval,也不能把 eval 丢到另一个 isolate 去跑——那样拿不到 globalThis。Kitesurf 的做法是在 Workers 上再叠一个 ECMAScript 引擎:用 Rust 写的 Boa 编译并执行这些 eval。官方自己也说这不是最优解,「只是在遇到零散 eval 时够用」;等 Workers 原生支持 eval 就会迁走。做兼容性评估时,这条值得记在心里。
失败处理的原则
官方在动手前定了一条规则:任何失败都降级成空白帧或缺失元素,不能变成死会话。每个边界都捕获异常,默认给安全且空的结果,同时记录足够定位的信息。
这条规则解释了为什么 Kitesurf 在残缺渲染下仍然「能用」:它对网页的态度是「不可信输入」,一个页面渲染错不会带走整个会话。
四种接入方式
Kitesurf 挂在 Browser Run 之下,因此接入路径和 Browser Run 原有的四条通道一一对应,区别只是多一个参数或一个查询串。
Quick Actions:加 browser=kitesurf
任何 Quick Action 端点(/content、/screenshot、/pdf、/markdown、/snapshot、/links 等)加上 ?browser=kitesurf 就走 Kitesurf:
curl -X POST \
'https://api.cloudflare.com/client/v4/accounts/<ACCOUNT_ID>/browser-run/screenshot?browser=kitesurf' \
-H 'Authorization: Bearer <API_TOKEN>' \
-H 'Content-Type: application/json' \
-d '{"url": "https://example.com"}' \
--output screenshot.png
这类一次性任务是 Kitesurf 最合适的场景:没有会话要维持,产物拿完实例就该消失。
Worker 里的 browser binding
在 Worker 中通过 binding 调 quickAction(),把 browser 传进选项:
interface Env {
BROWSER: BrowserRun;
}
export default {
async fetch(request, env): Promise<Response> {
return await env.BROWSER.quickAction("screenshot", {
url: "https://example.com",
browser: "kitesurf",
});
},
} satisfies ExportedHandler<Env>;
两个容易踩的点:
- binding 会校验引擎名,除
kitesurf以外的值直接报Invalid input: expected "kitesurf";不传browser则仍用默认的 Chromium。 - 本地
wrangler dev下用browser: "kitesurf"会抛错,因为 Kitesurf 不在本地运行。要在本地调试,得在 browser binding 配置里设"remote": true,此时连的是远端服务,会消耗账户额度。
CDP 端点:给现成客户端加一个查询参数
已有的 Puppeteer、Playwright、chrome-remote-interface 代码基本不用改,只改连接地址:
wss://api.cloudflare.com/client/v4/accounts/<ACCOUNT_ID>/browser-run/devtools/browser?browser=kitesurf
MCP 客户端
任何同时讲 MCP 和 CDP 的 Agent 都能用。官方给的配置是让 chrome-devtools-mcp 连到 Kitesurf 的 CDP 端点:
{
"mcp": {
"kitesurf": {
"type": "local",
"command": [
"npx",
"-y",
"chrome-devtools-mcp@latest",
"--wsEndpoint=wss://api.cloudflare.com/client/v4/accounts/<ACCOUNT_ID>/browser-run/devtools/browser?browser=kitesurf",
"--wsHeaders={\"Authorization\":\"Bearer <API_TOKEN>\"}"
],
"enabled": true
}
}
}
官网 kitesurf.dev 还给了 OpenCode、Claude Code、Codex 三种客户端的等价写法。其中 Playground 通道不需要账号,可以直接把 chrome-devtools-mcp 指向 wss://kitesurf.dev/devtools/browser 试用。
Playground 与终端客户端
kitesurf.dev 是个公开试玩台:贴任意 URL,看它怎么渲染,并直接在页面里注入 Chrome DevTools,检查 DOM、读控制台、看网络请求。它的 Memory 面板还能看到每个 isolate(含 frame)的 WebAssembly 占用,这是判断某类页面在 Kitesurf 上贵不贵的最快办法。
官网还给了一个终端客户端,在支持的图形终端里用 kitty graphics 出图,其他地方退化为纯文本:
brew install cloudflare/kitesurf
kitesurf -m ansi
能做什么,不能做什么
| 场景 | 适合 Kitesurf | 说明 |
|---|---|---|
| 截图、PDF、Markdown、HTML 提取 | 是 | 一次性 Quick Actions,产物拿到即结束 |
| Agent 读文档、读文章、抓列表 | 是 | 官方列举 Wikipedia、Hacker News、Cloudflare Blog、TodoMVC 各框架版本均能正确渲染 |
| 突发式、短生命周期的自动化 | 是 | 无状态设计,按需创建,失败直接丢弃 |
| Canvas、WebAssembly 页面 | 部分 | 官方试玩台能跑 Doom 与 tldraw,但能力受 CDP 覆盖与渲染保真度限制 |
| 播放视频、WebGL | 否 | 明确不支持,需要 Chromium |
| 需要真实 TLS 指纹的机器人挑战 | 否 | 无法完成这类握手,遇到挑战页应换默认浏览器 |
| 长时间、需要登录态的会话 | 否 | 无状态是设计前提;要持久认证会话用 Chromium |
| 像素级视觉回归 | 否 | 渲染不保证与 Chromium 一致 |
判断某个站点行不行,官方给的建议很直接:去 playground 试,或者在 CDP 端点上看控制台和内存指标。不要靠 WPT 分数推断——WPT 衡量的是标准符合度,不是真实网站的可用性。
和 Chromium 差多少
下表是官方数据:同一批 Quick Action 任务,5 次运行取中位数,语料是 14 个 URL,对比对象是 Browser Run 的 Chromium 温池。
| 指标 | Kitesurf | Chromium(温池) | 相对表现 |
|---|---|---|---|
| 截图 CPU | 380 ms | 1,173 ms | 少 3.1 倍 |
| HTML 提取 CPU | 229 ms | 877 ms | 少 3.8 倍 |
| 截图内存 | 57.8 MiB | 271.0 MiB | 少 4.7 倍 |
| HTML 提取内存 | 39.4 MiB | 273.7 MiB | 少 7.0 倍 |
| 截图墙钟时间 | 1,148 ms | 637 ms | 慢 1.8 倍 |
| HTML 提取墙钟时间 | 820 ms | 472 ms | 慢 1.7 倍 |
两个方向的差距都有解释。Chromium 的墙钟优势来自已经热起来的 JIT,它见过同一页面很多次;Kitesurf 走的是冷的软件渲染路径,时间主要花在光栅化和 JPEG/PNG 编码上,官方说会继续优化。而内存和 CPU 决定了账单和并发上限,这正是 Kitesurf 赢的部分。
换算成业务判断:如果你的瓶颈是「同时跑多少个」,Kitesurf 更合适;如果瓶颈是「单个任务多快返回」,Chromium 仍然更快。
标准符合度
Kitesurf 用 WPT 测符合度。官方文档写「已通过 235,000+ 子测试」,公告博文写的是「215,000+」——两者是不同时间的快照,数字在涨。对 Agent 最相关的几块覆盖如下:
| 领域 | 子测试通过率 |
|---|---|
| Selection | 99% |
| Encoding | 99% |
| DOM | 97% |
| SVG | 97% |
| HTML | 96% |
| CORS | 95% |
| XHR | 95% |
| URL | 83% |
这组数字该这么读:DOM、HTML、CSS、XHR 都在 95% 以上,说明「读页面」这条主线是可靠的;URL 只有 83%,是个还没补齐的口子。官方也提醒这些数字会变,且不能替代真实站点的兼容性验证。
开源自部署:能力之外的另一条路
公告博文说「准备好之后会开源,希望让客户在自己的账户上部署自己的 Kitesurf」。截至 2026-11-17,仓库 cloudflare/kitesurf 已经公开,Apache-2.0,创建于 2026-09-30,按 engine、page-script、page-renderer、dom-shim、core、renderer-core、kitesurf-cli 等包拆分。
自部署有几个硬前提,README 写得比文档更直接:
- 依赖 Cloudflare Dynamic Workers,属于 Workers Paid 计划;本地开发用
wrangler dev,在 Cloudflare 上跑需要付费计划。 - 构建链是 Bazel(Bazelisk),会自己拉固定版本的 Rust 工具链、wasm-bindgen 和 binaryen;再需要 Node.js 22+、pnpm 9.15.4,macOS 上还要装 GNU tar。
- 不要裸部署。引擎自身没有鉴权,拿到 URL 的人可以开 DevTools 浏览网页、连 Puppeteer、以你的账户发出站请求、消耗你付费的 CPU 和 Dynamic Workers。
workers.dev域名默认公开且命名可预测(kitesurf.<subdomain>.workers.dev),必须前置 Cloudflare Access 或等价认证层。
对一个想在自有账户里跑浏览器能力的团队,这条路的吸引力在于出站流量和计算都在自己账上、可以自己改引擎;代价是要维护 Rust/Wasm 构建环境,并自己承担鉴权与滥用防护。
落地时怎么选
先按任务形态分流,不要按「新不新」选。
| 任务形态 | 建议 |
|---|---|
| 一次性截图、PDF、Markdown、HTML 提取 | Quick Actions + browser=kitesurf |
| Agent 读一批公开页面做总结 | Kitesurf,注意并发与配额 |
| 需要登录态、多步交互、长时间保活 | Browser Run 默认 Chromium |
| 目标站有反爬挑战、需要真实 TLS 指纹 | Chromium |
| 视频、WebGL、像素级比对 | Chromium |
| 想在自有账户里跑、愿意维护构建链 | 自部署 cloudflare/kitesurf |
几条实践上的提醒:
- 先试再说。拿真实目标站点在 playground 跑一遍,看控制台报错和 Memory 面板,比读兼容性表准。
- 把渲染失败当正常分支。Kitesurf 的失败被设计成空白帧而不是崩溃,所以「200 但内容空」必须能被你的提取逻辑识别出来,而不是当成成功。
- 别把无状态当成缺陷。需要 Cookie 持久化、登录恢复的需求,一开始就该走 Chromium,别在 Kitesurf 上补状态。
- 观察成本的两个维度。CPU 和内存低不等于总成本低,墙钟时间更长意味着并发窗口更长;用真实任务样本同时看耗时和内存。
- 注意 beta 的边界。Kitesurf 目前在 Browser Run 里免费但受账户限额约束,CDP 只实现了子集,渲染保真度和 WPT 覆盖都在持续变化,接入时把版本和日期记在代码注释里。