ego lite: Trình Duyệt Cho AI Agent Dùng Web Đã Đăng Nhập Mà Không Cướp Tab Của Bạn

TL;DR

Phần lớn browser automation cho AI thất bại ở chỗ chán nhất có thể: đăng nhập. Agent có thể viết code, suy luận qua form, và lên kế hoạch mười bước, rồi kẹt ngay lập tức vì trình duyệt nó điều khiển trống rỗng. Không cookie. Không extension. Không session. Không giống đời thực.

ego lite sửa chuyện đó bằng cách đổi đơn vị làm việc. Thay vì cấp cho agent một headless browser riêng biệt không biết gì về bạn, ego lite cấp cho agent một không gian riêng gọi là Space ngay bên trong trình duyệt bạn đang dùng. Agent thừa hưởng cookie, extension, và phiên đăng nhập của bạn. Bạn tiếp tục duyệt trong tab của mình. Agent làm việc ở bên cạnh.

Cảm giác của nó không còn giống “tự động hoá trình duyệt” nữa, mà giống như có một trợ lý junior rất nhanh, dùng cùng web với bạn nhưng không giật chuột khỏi tay bạn.

• Dành cho ai: lập trình viên dùng Claude Code, Codex, Cursor, hoặc bất kỳ agent CLI nào và muốn tác vụ trình duyệt chạy không vướng đăng nhập.
• Vì sao đáng chú ý: workflow agent thắng cuộc không phải “một chatbot thông minh hơn”, mà là nhiều agent nhỏ làm việc web song song trong khi bạn vẫn kiểm soát.
• Khi nào nên bỏ qua: tác vụ của bạn thuần code, bạn cần headless automation chạy trong CI/CD, hoặc bạn chưa dùng macOS.

Repository: citrolabs/ego-lite

---

Bản Đồ Cho Người Mới

Nếu bạn chưa quen với browser automation hoặc AI agent, hãy đọc bài này theo ba lượt:

1. Lượt 1 — Đọc TL;DR và Phần 1 (Nền Tảng) để nắm mô hình tư duy về Space và tại sao phiên đăng nhập quan trọng.
2. Lượt 2 — Đọc Phần 2 và Phần 3 để hiểu cách ego lite hoạt động và so sánh với các công cụ khác.
3. Lượt 3 — Đọc Phần 4 để thực hành cài đặt và chạy tác vụ đầu tiên.

Từ khoá sẽ xuất hiện xuyên suốt bài:

• Space — một cửa sổ trình duyệt riêng biệt mà agent sở hữu, giống như một nhóm tab agent toàn quyền kiểm soát mà không đụng tab của bạn.
• ego-browser — file skill nhỏ mà bất kỳ agent CLI nào đọc để biết cách điều khiển ego lite.
• Snapshot — bản tóm tắt văn bản nén của một trang web để agent “đọc” và hiểu nội dung trên màn hình.
• Agent CLI — công cụ AI dạng terminal bạn đang dùng (Claude Code, Codex, Cursor, v.v.)

Bài Tập Đầu Tiên Cho Sinh Viên

Chọn một trang web bạn ghé thăm mỗi ngày — GitHub, một trang tin tức, hay hộp thư đến. Mở ego lite, gõ /ego-browser rồi thêm “những tiêu đề nổi bật trên [trang của bạn] hôm nay là gì?” và quan sát agent điều hướng và báo cáo lại. Toàn bộ việc này không mất quá mười phút. Viết ra: (1) agent đã làm gì từng bước, (2) một điều bất ngờ, (3) một điều bạn muốn cải thiện.

Bài tập này xây dựng thói quen nhìn nhận tác vụ web là thứ có thể uỷ thác — không chỉ tự động hoá bằng một script dễ vỡ.

---

Phần 1: Nền Tảng — “Cấp Trình Duyệt Cho Agent” Thực Sự Có Nghĩa Là Gì

Nếu bạn chưa từng dùng browser automation, đây là mô hình tư duy cốt lõi.

Trình duyệt web là công cụ con người dùng để tương tác với website: đọc văn bản, bấm nút, điền form. Khi một AI agent cần làm những việc tương tự — đọc hồ sơ LinkedIn, gửi form, kiểm tra dashboard — nó cần truy cập trình duyệt. Nhưng agent không có mắt hay tay. Vì vậy chúng ta cần hai thứ: (1) một cách cho agent thấy nội dung trang, và (2) một cách để agent gửi hành động (điều hướng, click, gõ phím) đến trình duyệt.

Ý tưởng quan trọng: tác vụ trình duyệt hiếm khi khó vì thao tác click. Nó khó vì web có trạng thái. Bạn đang đăng nhập ở đây, bị giới hạn tần suất ở kia, vướng 2FA ở chỗ khác, và mang theo năm mảnh ngữ cảnh nhỏ mà công cụ tự động hoá không biết. Một công cụ không thừa hưởng trạng thái đó sẽ luôn đánh nhầm trận.

Cách truyền thống — một trình duyệt riêng biệt:

Các công cụ như Playwright, Puppeteer, browser-use, và agent-browser của Vercel đều theo hướng này. Chúng chạy một headless browser (trình duyệt không có giao diện) mà agent điều khiển từ xa. Vấn đề là trình duyệt thứ hai này bắt đầu hoàn toàn trống rỗng — không cookie, không mật khẩu, không extension, không session token. Mỗi lần chạy tự động, bạn phải xác thực lại: CAPTCHA, 2FA, OAuth. Dễ vỡ. Nhiều trang còn chặn headless browser thẳng thừng.

Cách của ego lite — một trình duyệt, hai không gian làm việc:

Chỉ có một trình duyệt: cái bạn đang dùng hàng ngày. Khi agent cần thực hiện tác vụ, ego lite mở một Space mới — hãy hình dung như một cửa sổ riêng tư bên trong cùng profile trình duyệt. Tab của bạn ở một phía; Space của agent ở phía kia. Hai bên không nhìn thấy hay đụng chạm nhau. Nhưng vì chúng chia sẻ cùng một profile trình duyệt, agent thừa hưởng tất cả: tài khoản Google, phiên GitHub, đăng nhập Figma. Không cần xác thực lại.

Tại sao JavaScript nhanh hơn vòng lặp lệnh:

Hầu hết công cụ tự động hoá hoạt động như một cuộc hội thoại: agent gửi lệnh (“bấm nút Đăng nhập”), chờ phản hồi (“xong”), đọc kết quả, gửi lệnh tiếp theo. Với tác vụ mười bước, đó là mười lượt trao đổi, mỗi lượt tốn thời gian và token.

ego-browser mở ra các hàm JavaScript mà agent gọi trực tiếp. Thay vì mười lệnh riêng biệt, agent viết một đoạn JavaScript duy nhất thực hiện cả mười bước trong một lần. Benchmark từ đội ego lite cho thấy điều này chạy nhanh hơn 2,5 lần với ít token hơn đáng kể so với phương pháp vòng lặp CLI. Tác vụ càng phức tạp, khoảng cách càng lớn.

---

Phần 2: Điều Tra — Ba Thành Phần và Cách Chúng Kết Nối

Hiểu ego lite là hiểu ba thứ và cách chúng kết nối với nhau.

Thành phần 1: ego lite (ứng dụng trình duyệt)

Đây là trình duyệt thực sự — xây dựng trên Chromium, như Chrome. Nó bổ sung một khái niệm then chốt: Spaces. Mỗi Space là môi trường duyệt web hoàn toàn tách biệt với lịch sử và trạng thái agent riêng. Bạn duyệt web trên tab bình thường. Agent làm việc trong Space. Từ bên ngoài trông giống như tab bên trong tab, nhưng thực tế là hai không gian làm việc hoàn toàn độc lập.

Thành phần 2: ego-browser (file skill)

Đây là file cấu hình nhỏ nằm trong thư mục skills của agent (thường là ~/.claude/skills/ cho Claude Code, hoặc tương đương cho Codex). Nó cho agent biết những hàm JavaScript nào có sẵn để điều khiển trình duyệt: snapshot(), fill(), click(), navigate(), wait(), capture(). Khi bạn cài ego lite, file này được đặt vào tự động. Bạn cũng có thể cài riêng skill bằng:

npx skills add citrolabs/ego-lite

Thành phần 3: Spaces trong thực tế

Mỗi tác vụ được cấp một Space riêng. Bạn có thể chạy mười agent trong mười Space song song — Claude Code làm giàu mười lead cùng lúc, Codex thu thập năm trang đối thủ cùng lúc. Chúng không bao giờ xung đột. Bạn có thể xem Space nào đang có agent hoạt động trong thanh bên của ego lite, tiếp quản bất kỳ Space nào theo cách thủ công, hoặc dừng lại bất cứ lúc nào.

Đây là cách dùng chuyên nghiệp: đừng xem agent là thứ thay thế phiên trình duyệt của bạn. Hãy xem nó như một browser worker chạy song song. Bạn ở làn chính. Agent có làn làm việc riêng. Khi tác vụ trở nên nhạy cảm, bạn có thể xem, ngắt, hoặc tiếp quản làn đó.

Những workflow thực tế bỗng trở nên khả thi:

• Nghiên cứu: mở năm trang đối thủ, tóm tắt giá, chụp màn hình, và trả về bảng so sánh.
• Sales ops: làm giàu lead từ CRM, rồi xác minh thông tin trên LinkedIn hoặc website công ty.
• QA: đăng nhập staging app, tái hiện bug, thu thập dấu hiệu nhìn thấy được, và mô tả các bước.
• Content: gom nguồn từ công cụ đã đăng nhập, lấy tiêu đề trang, và nháp danh sách tham khảo.
• Việc cá nhân: kiểm tra dashboard, hoá đơn, hoặc trang tài khoản mà không giao toàn bộ trình duyệt cho agent.

Một tác vụ từ đầu đến cuối:

1. Bạn gõ /ego-browser lấy số lượng follower của @ego_agent trên X trong terminal agent.
2. Agent đọc skill ego-browser để biết các công cụ có sẵn.
3. Agent viết đoạn JavaScript: navigate("https://x.com/ego_agent") → snapshot() → trích xuất số follower → trả kết quả.
4. ego-browser thực thi đoạn đó trong một Space mới trong ego lite.
5. Kết quả hiện ra trên terminal. Tab X của bạn không hề bị mở hay đụng chạm.

---

Phần 3: Chẩn Đoán — Tại Sao Cách Cũ Vẫn Đau Đầu

Ba nhóm công cụ đang cố giải quyết cùng bài toán. Đây là điểm yếu của mỗi nhóm.

Nhóm 1: Framework tự động hoá trình duyệt (browser-use, agent-browser của Vercel, Playwright)

Đây là thư viện, không phải trình duyệt. Chúng điều khiển một headless browser riêng. Mỗi lần chạy bắt đầu từ đầu: không cookie, không đăng nhập, không trạng thái đã lưu. Nếu trang yêu cầu đăng nhập, bạn phải (a) hardcode thông tin đăng nhập (rủi ro), (b) xây dựng luồng xác thực (mất công), hoặc (c) sao chép session token thủ công trước mỗi lần chạy (dễ vỡ). Chúng cũng dùng vòng lặp lệnh — mười bước trong tác vụ là mười lượt trao đổi, mỗi lượt đốt token và thời gian.

Nhóm 2: Trình duyệt AI tích hợp sẵn agent (ChatGPT Atlas, Perplexity Comet)

Những cái này đi kèm agent riêng. Chỉ agent đó mới điều khiển được trình duyệt. Nếu bạn dùng Claude Code hay Codex, bạn không thể dùng chúng. Chúng là khu vườn kín — hoặc bạn dùng toàn bộ stack của họ, hoặc không dùng trình duyệt đó được.

Nhóm 3: Chế độ headless thuần tuý (Playwright, Puppeteer độc lập)

Không có cửa sổ hiển thị. Bạn không thể theo dõi agent làm việc. Khó gỡ lỗi khi có sự cố. Nhiều trang web hiện đại phát hiện headless browser và chặn hoặc chuyển hướng.

Vị trí của ego lite:

Tính năng	ego lite	browser-use / agent-browser	ChatGPT Atlas
Dùng được với mọi agent CLI	✅	✅	❌
Thừa hưởng đăng nhập của bạn	✅	❌	✅
Chạy song song nhiều Space	✅	❌	❌
Người dùng tiếp tục duyệt web được	✅	❌	❌
Miễn phí	✅	✅	❌
Chỉ có trên macOS	⚠️	❌	❌

Khi ego lite không phải lựa chọn phù hợp:

• Bạn đang dùng Windows hay Linux — ego lite hiện chỉ có trên macOS (Windows và Linux đang trong lộ trình phát triển).
• Bạn cần pipeline headless chạy trong CI/CD — ego lite là ứng dụng desktop, không phải thư viện.
• Bạn cần chạy hàng chục nghìn tác vụ scraping không giám sát trên server đám mây — ego lite được tạo ra cho sự cộng tác người-agent, không phải hạ tầng scraping quy mô lớn.

---

Phần 4: Giải Pháp — Cài Ego Lite Trong Dưới Mười Phút

Bước 1: Cài đặt

Tải ego lite từ trang GitHub:

• Apple Silicon (arm64)
• Intel (x64)

Mở file .dmg và cài như bình thường. Lần đầu khởi động, ego lite hỏi một câu duy nhất: bạn có muốn di chuyển dữ liệu Chrome không? Chọn có. Đây là cách agent của bạn thừa hưởng các đăng nhập, bookmark, và extension hiện có. Cài đặt Chrome của bạn không bị đụng chạm — ego lite chỉ sao chép profile.

Nếu bạn muốn bắt đầu chỉ với skill và cài app sau, chạy:

npx skills add citrolabs/ego-lite

Lần tiếp theo agent thử tác vụ trình duyệt, nó sẽ hướng dẫn bạn cài app.

Bước 2: Chạy tác vụ đầu tiên

Trong terminal agent (Claude Code, Codex, hay Cursor), gõ:

/ego-browser follow @ego_agent trên x.com cho tôi

Agent sẽ nhận skill ego-browser, mở một Space trong ego lite, điều hướng đến X, đọc Snapshot của trang, tìm nút follow, bấm vào, và báo cáo lại kết quả. Tab X của bạn không bị đụng chạm.

Bước 3: Thử chạy song song nhiều Space

Mở hai phiên agent cạnh nhau và giao cho mỗi cái một tác vụ trình duyệt khác nhau cùng lúc. Quan sát chúng chạy song song trong ego lite — mỗi cái trong Space riêng, không xung đột.

Bước 4: Viết prompt tốt hơn

Prompt tốt nhất là prompt cụ thể và có thể kiểm tra lại. Hãy yêu cầu agent báo cáo nó đã thấy gì, đã bấm gì, và điểm nào chưa xác minh được. Như vậy browser automation không còn là màn ảo thuật, mà trở thành workflow có thể review.

Prompt yếu:

nghiên cứu đối thủ giúp tôi

Prompt tốt hơn:

/ego-browser mở 5 trang pricing của đối thủ này, trích xuất tên gói, giá tháng,
điều kiện dùng thử miễn phí, và một ảnh chụp mỗi trang. Trả về bảng markdown
và liệt kê trường nào chưa xác minh được.

Prompt này nghe nhàm chán hơn, và chính vì vậy nó hiệu quả. Agent mạnh nhất khi tác vụ có nguồn nhìn thấy được, format đầu ra rõ ràng, và được phép thừa nhận điều chưa chắc.

Bảng tham chiếu nhanh ego-browser:

Hàm	Chức năng
snapshot()	Trả về bản tóm tắt văn bản của trang hiện tại
navigate(url)	Mở URL trong Space hiện tại
fill(selector, value)	Điền giá trị vào ô nhập
click(selector)	Bấm vào một phần tử
wait(condition)	Chờ điều kiện trang được thoả mãn
capture()	Chụp màn hình Space hiện tại

Tài liệu đầy đủ và hướng dẫn tích hợp: lite.ego.app/document

Cộng đồng: Discord · GitHub Discussions · X @ego_agent

---

Nhận Xét Cuối

ego lite giải quyết một điểm ma sát cụ thể: bạn có những AI agent mạnh mẽ, nhưng mỗi khi chúng cần đụng chạm website, bạn lại phải canh chừng luồng đăng nhập, xem tab biến mất, và đếm những lượt trao đổi token tốn kém.

Cái nhìn sâu cốt lõi rất đơn giản — bạn đã có một trình duyệt với tất cả tài khoản đăng nhập. Tại sao lại cấp cho agent một cái riêng biệt, trống rỗng? ego lite chỉ thêm khái niệm Spaces để hai bên dùng chung cùng trình duyệt mà không cản trở nhau.

Đó là lý do dự án này đáng theo dõi. Nó không cố tạo ra một trình duyệt có sẵn một trợ lý duy nhất. Nó biến trình duyệt của bạn thành thứ mà agent có thể điều khiển được. Claude Code, Codex, Cursor, hoặc công cụ kế tiếp đều có thể dùng cùng một web đã đăng nhập qua cùng một ý tưởng: Space tách biệt cộng với hành động JavaScript trực tiếp.

Đây không phải hạ tầng scraping phía server. Nó không chạy đội quân 10.000 headless job trong CI. Đây là công cụ dành cho lập trình viên muốn agent xử lý tác vụ trình duyệt trong khi họ tiếp tục làm việc — và muốn nó “chạy được ngay” trên những trang họ dùng mỗi ngày.

Nếu bạn đang dùng macOS và dùng Claude Code, Codex, hay Cursor: tải về, đồng ý di chuyển dữ liệu Chrome, và gõ /ego-browser follow @ego_agent trên X trong agent. Đó là tất cả những gì cần thiết để bắt đầu.