Ai Helper
基于大语言模型（LLM）的 Chrome 浏览器智能助手扩展，支持自然语言对话、浏览器自动化操作、网页内容处理等 59 项工具调用能力，采用 ReAct（Reasoning + Acting）推理循环架构。可选配本地 Agent 服务实现文件系统操作与命令执行。
Install
$ agentstack add mcp-xiweicheng-ai-helper Open-source listing, not yet scanned by AgentStack. Follow the source repository for install instructions.
Security review
⚠ Flagged1 finding(s); flagged for manual review. · v0.1.0 How review works →
- • Prompt-injection patterns
- • Secret / credential exfiltration
- • Dangerous shell & filesystem operations
- • Untrusted network calls
- • Known-malicious package signatures
- high Destructive filesystem operation.
What it can access
- ● Network access Used
- ✓ Filesystem access No
- ✓ Shell / process execution No
- ✓ Environment & secrets No
- ✓ Dynamic code execution No
From automated source analysis of v0.1.0. “Used” means the capability is present in the source — more access means more to trust, not that it’s unsafe.
Reliability & compatibility
Declared compatibility
Compatibility is declared by the source manifest. End-to-end runtime verification is coming, see below.
We're building live execution health for every listing: tool-call success rate, median latency, uptime, and last-checked timestamps, measured, not self-reported. It isn't live yet, so we don't show numbers we can't stand behind.
How agent discovery & health will work →About
AI Helper - 网页智能助手
> 基于大语言模型（LLM）的 Chrome 浏览器智能助手扩展。采用 ReAct（Reasoning + Acting）推理循环架构，支持自然语言对话、浏览器自动化操作、网页内容处理等 50+ 项内建工具 + MCP 动态扩展。可搭配本地代理服务实现文件系统操作、终端命令执行、Skill 技能系统和 MCP 协议扩展，同时具备多模态文件问答、图片识别与标注、长期记忆系统、会话导入/导出等高级能力。
为什么选择 AI Helper
AI Helper 是一个深度集成浏览器能力的智能助手，相比于普通的 Chat 类工具，它有几个关键差异化优势：
- 真正的浏览器操控能力：不仅读取网页内容，还能点击、填表、拖拽、滚动、等待元素、上传文件——LLM 可以像人类一样操作网页。
- 三级质量保障体系：创新的预筛选 → 工具级反思 → 子任务反思 → 后置反思多级机制，确保输出质量而非简单返回 LLM 原始结果。
- Agent 多助手协作：支持将复杂任务拆解为子任务，分派给不同专业 Agent 并行处理，实现真正的多 Agent 协作。
- 工具预筛选：50+ 个工具定义会消耗大量 Token，AI Helper 在每次调用主力模型前用一次轻量 API 预判，将工具缩减为 5-10 个相关项，大幅节省成本。
- Token 预算管理：按模型上下文窗口动态计算可用 Token 预算，按 Token 数而非消息数进行智能截断，确保 tool_calls/tool 消息配对完整性。
- 上下文压缩：长引用内容自动摘要压缩，避免无关信息永久占据上下文空间，保证对话质量不下滑。
| 特性 | 说明 | |------|------| | 平台 | Chrome / Edge / Chromium 系浏览器 | | 扩展协议 | Manifest V3 | | Chrome 版本要求 | 114+（需要 Side Panel API） | | API 协议 | OpenAI Chat Completions 兼容（支持 Vision） | | 构建工具 | Vite + @crxjs/vite-plugin | | 本地 Agent | Node.js 18+ 独立进程，提供文件/命令/MCP/Skill 能力 | | 多模态输入 | 图片识别（Vision API）+ 文件提取（PDF/Word/Excel） | | Skill 系统 | Workflow + Agent 两种技能类型，支持对话中沉淀技能 | | MCP 协议 | Model Context Protocol，支持动态工具注册与多 Server 管理 | | 多助手管理 | 自定义 Agent，内置 5 种角色模板，支持子任务分派 |
功能预览
架构总览
项目采用 五层架构，通过 Chrome Extension API 的消息通道进行通信：
┌──────────────────────────────────────────────────────────────┐
│ Side Panel (UI 层) │
│ side_panel.html + src/side_panel/*.js │
│ 对话管理 | 多会话标签页 | Markdown/Mermaid 渲染 | 工具面板 │
│ 提示词管理 | 划词问答 | 输入历史 | 执行日志 | 澄清/确认对话框 │
│ UI 原型预览 | 质量评估展示 | 消息目录 (TOC) | 会话归档 │
│ 多助手管理 | Token 统计面板 | Agent 选择器 | @ Agent 切换 │
│ 图片识别输入 | 图片标注编辑 | 文件上传提取 | 会话导出/导入 │
│ 技能选择器 (Skill Tab) | MCP 服务选择器 (MCP Tab) │
└──────────────┬──────────────────────────────┬────────────────┘
│ chrome.runtime.sendMessage │
▼ ▼
┌──────────────────────────┐ ┌──────────────────────────────┐
│ Background Service │ │ Options Page (配置层) │
│ Worker (核心逻辑层) │ │ options.html + src/options/ │
│ │ │ API Key/模型/工具/ReAct参数 │
│ src/background/ │ │ 反思系统/对话配置/工具栏 │
│ ├── index.js (消息路由) │ │ Agent 配对连接管理 │
│ ├── react-loop.js (ReAct) │ │ 工具箱 (MCP服务 + Skill管理) │
│ ├── tool-executor.js │ └──────────────────────────────┘
│ ├── tool-preselector.js │
│ ├── local-agent-client.js │ ┌──────────────────────────────┐
│ ├── config.js │ │ 代理服务 (可选层) │
│ ├── state.js │ │ agent/ (Node.js 独立进程) │
│ ├── agent-dispatcher.js │ │ HTTP REST + WebSocket │
│ ├── stream-controller.js │ │ 文件读写 | 命令执行 | 搜索 │
│ └── token-recorder.js │ │ Skill 系统 | MCP 协议扩展 │
└──────────────┬─────────────┘ │ 路径沙箱 | 安全分级 │
│ │ 文件上传 API │
│ chrome.tabs.sendMessage │
▼ └──────────────────────────────┘
┌──────────────────────────────────────────────────────────────┐
│ Content Script (页面工具执行层) │
│ src/content/*.js (注入到用户浏览网页) │
│ ├── index.js (消息路由, 页面工具) │
│ ├── page-tools.js (页面内容提取, 无障碍树, Markdown 转换) │
│ ├── interaction-tools.js (交互操作, 语音合成, 取色器) │
│ ├── advanced-tools.js (视频控制, 性能审计, Shadow DOM, 截图) │
│ └── selection-toolbar.js (划词浮动工具栏，类比豆包设计) │
└──────────────────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────────────┐
│ Offscreen Document (辅助能力层) │
│ src/offscreen/ (剪贴板操作支持) │
│ ├── offscreen.html + offscreen.js (copy_to_clipboard / │
│ │ paste_from_clipboard 的 MV3 兼容实现) │
└──────────────────────────────────────────────────────────────┘
┌──────────────────────────────────────────────────────────────┐
│ Storage (数据持久化层) │
│ src/storage/ │
│ ├── db.js (IndexedDB 封装，事务重试、自动迁移) │
│ ├── session-store.js (会话存储适配器) │
│ └── token-store.js (Token 统计存储) │
└──────────────────────────────────────────────────────────────┘核心数据流
用户输入 → Side Panel (选择 Agent, 可选图片/文件附件, 可选 Skill/MCP)
→ chrome.runtime.sendMessage('CALL_API')
→ Background: MCP 工具注入 → 工具预筛选 → ReAct 推理循环
→ Token 预算管理 → 上下文压力监测 → Token 统计记录
→ LLM API 调用 (OpenAI 兼容, 带重试和指数退避, 流式响应)
→ 如需工具: 工具确认检查（敏感操作）→ 执行工具
├── Background 直接执行（标签页管理、书签搜索等）
├── 委派 Content Script（页面交互、内容提取等）
├── 委派本地 Agent（文件读写、命令执行、MCP 工具等）
└── Offscreen 文档（剪贴板读写）
→ 工具级反思 → 结果缓存 → 反馈给 LLM
→ 子任务拆解与并行执行（plan_task 集成，支持 Agent 子任务分派）
→ 后置反思：多维度质量评估 → 合格/修订/重试
→ chrome.runtime.sendMessage('API_COMPLETE')
→ Side Panel: Markdown 渲染, Mermaid 图表渲染, 质量评估展示, Token 统计更新项目结构
ai-helper/
├── agent/ # 代理服务（Node.js 独立进程）
│ ├── bin/agent.js # CLI 启动脚本
│ ├── src/
│ │ ├── server.js # HTTP + WebSocket 服务端
│ │ ├── executor.js # 命令执行引擎（流式/阻塞）
│ │ ├── security.js # 路径沙箱 + 命令安全分级
│ │ ├── config.js # Agent 配置（磁盘持久化）
│ │ ├── auth.js # 配对认证（4 位动态码）
│ │ ├── search.js # 文件/内容搜索（fd/rg 加速）
│ │ ├── logger.js # 结构化日志
│ │ ├── skill/ # Skill 系统
│ │ │ ├── loader.js # Skill 加载器（JSON/YAML/SKILL.md）
│ │ │ ├── registry.js # Skill 注册表
│ │ │ ├── executor.js # Workflow Skill 执行器
│ │ │ ├── markdown-loader.js # Agent Skill 加载器（SKILL.md）
│ │ │ └── template.js # Skill 模板
│ │ └── mcp/ # MCP 协议支持
│ │ ├── client.js # MCP Client（JSON-RPC 2.0）
│ │ ├── registry.js # MCP Server 注册表
│ │ ├── transport.js # Stdio 传输层
│ │ └── mcp-config.js # MCP 配置管理
│ └── package.json
├── icons/ # 扩展图标
│ ├── icon16.png / icon48.png / icon128.png
│ └── README.md
├── libs/ # 第三方依赖（CDN/local 引入）
│ ├── marked.min.js # Markdown 渲染引擎
│ ├── mermaid.min.js # Mermaid 图表渲染引擎
│ ├── qrcode.min.js # 二维码生成库
│ ├── pdf.worker.min.js # PDF.js Worker (PDF 提取)
│ └── github-markdown-light.min.css # GitHub 风格 Markdown 样式
├── scripts/ # 构建工具脚本
│ ├── fix-build.js # 修复 @crxjs/vite-plugin 打包产物
│ ├── silent-build.js # 静默构建（CI 友好，仅失败输出）
│ ├── generate-icons.js # 图标生成脚本
│ └── deploy-pages.sh # Pages 部署脚本
├── styles/
│ └── styles.css # Content Script 浮框样式
├── src/ # 扩展源码
│ ├── background/ # Background Service Worker
│ │ ├── index.js # 入口：消息路由、会话管理、Agent 健康监测
│ │ ├── react-loop.js # ReAct 推理循环（核心引擎，含三级反思系统）
│ │ ├── tool-executor.js # 工具定义注册、执行调度、MCP 动态注入
│ │ ├── tool-preselector.js # 工具预筛选（轻量 API 提前过滤）
│ │ ├── local-agent-client.js # 本地 Agent HTTP/WebSocket 通信
│ │ ├── agent-dispatcher.js # Agent 子任务分发器
│ │ ├── stream-controller.js # 流式响应控制器
│ │ ├── token-recorder.js # Token 使用统计记录器
│ │ ├── config.js # 配置读写
│ │ ├── constants.js # 默认配置、50+ 个内建工具定义、分类映射
│ │ ├── state.js # 多会话取消控制、API 计数器
│ │ └── tools/ # 工具定义分目录
│ │ ├── browser-tools.js # 页面交互 + 表单操作 + 内容提取 (17)
│ │ ├── tab-tools.js # 标签页管理 + 书签历史 (8)
│ │ ├── storage-tools.js # 存储管理 + 网络请求 (4)
│ │ ├── media-tools.js # 媒体输出 + 调试开发 (7)
│ │ ├── ai-tools.js # AI 协作 (6)
│ │ ├── agent-tools.js # 本地代理 (9)
│ │ └── memory-tools.js # 长期记忆 (3)
│ ├── content/ # 页面注入脚本
│ │ ├── index.js # 入口：消息路由分发
│ │ ├── page-tools.js # 页面内容工具（提取、搜索、无障碍树等）
│ │ ├── interaction-tools.js # 交互工具（点击、填表、语音合成等）
│ │ ├── advanced-tools.js # 高级工具（视频、性能审计、Shadow DOM 等）
│ │ └── selection-toolbar.js # 划词浮动工具栏（类比豆包设计）
│ ├── offscreen/ # Offscreen 文档（剪贴板操作）
│ │ ├── offscreen.html # Offscreen 页面
│ │ └── offscreen.js # Clipboard API 桥接
│ ├── side_panel/ # 侧边栏 UI
│ │ ├── index.js # 入口：事件绑定、配置管理、键盘快捷键
│ │ ├── chat-manager.js # 对话管理（发送/接收、执行日志、导出/导入）
│ │ ├── markdown-render.js # Markdown/Mermaid 渲染与交互控制
│ │ ├── tool-panel.js # 工具选择弹窗（分类筛选、搜索）
│ │ ├── prompt-manager.js # 提示词管理（CRUD、快速选择、拖拽排序）
│ │ ├── agent-manager.js # Agent 多助手管理 UI
│ │ ├── agent-store.js # Agent 数据持久化存储
│ │ ├── agent-at-selector.js # Agent @ 选择器
│ │ ├── token-stats-panel.js # Token 统计面板
│ │ ├── session-manager.js # 多会话存储 API
│ │ ├── session-manager-ui.js # 会话标签页 UI（切换、重命名、归档）
│ │ ├── clarify-dialog.js # 澄清对话框（倒计时、音频提醒）
│ │ ├── confirm-dialog.js # 敏感操作确认对话框
│ │ ├── ui-prototype.js # UI 原型预览与管理（缩放、下载、库）
│ │ ├── message-toc.js # 消息目录（自动生成导航栏）
│ │ ├── input-history.js # 输入历史（上下箭头回填）
│ │ ├── image-preview.js # 图片预览、压缩、多图切换、标注编辑
│ │ ├── file-extract.js # 文件提取（PDF/Word/Excel/Text）、Agent 上传
│ │ ├── skill-selector.js # 技能/MCP 服务快捷选择器
│ │ ├── export-import.js # 会话导出/导入（批量选择、格式校验）
│ │ ├── execution-log-render.js # 执行日志渲染（任务组、实时模式）
│ │ ├── icons.js # 共享 SVG 图标常量
│ │ ├── state.js # 全局状态管理（Proxy 双导出模式）
│ │ ├── utils.js # 工具函数（Toast、系统提示词构建等）
│ │ └── constants.js # 温度预设、工具分类名
│ ├── options/ # 扩展选项页
│ │ ├── index.js # 入口：标签页切换、表单事件、Agent 配对
│ │ ├── config-manager.js # 配置读写管理
│ │ ├── config-io.js # 配置导入/导出
│ │ ├── toolbar-config.js # 工具栏配置（拖拽排序、域名屏蔽）
│ │ ├── toolbox-config.js # 工具箱配置（MCP 服务 + Skill 管理）
│ │ └── constants.js # 默认系统提示词与配置常量
│ ├── storage/ # IndexedDB 持久化层
│ │ ├── db.js # IndexedDB 封装（事务重试、自动迁移）
│ │ ├── session-store.js # 会话存储适配器
│ │ └── token-store.js # Token 统计存储
│ ├── config/
│ │ └── constants.js # Storage 键名、消息类型等
│ └── shared/ # 共享模块
│ ├── tools.js # 工具分类、温度预设
│ ├── utils.js # 通用工具函数
│ ├── token-counter.js # Token 计数、预算管理、上下文压缩、消息摘要
│ └── agent-defaults.js # 内置 Agent 定义和模板
├── manifest.json # Chrome 扩展配置
├── side_panel.html # 侧边栏 HTML
├── options.html # 选项页 HTML
├── vite.config.js # Vite 构建配置
├── package.json
└── README.md核心功能
1. 多模态输入
图片识别输入
支持在对话中附加图片，通过 Vision API（OpenAI 兼容）进行多模态理解和问答：
- 图片压缩：自动压缩大图（1024px + JPEG 65%），减少 Token 消耗
- 独立 API 配置：支持为图片识别配置独立的 API Base / API Key / 模型
- 全局开关：可随时开启/关闭图片输入功能
- 多图上传：同时附加多张图片进行对比分析
文件上传问答
在浏览器端直接上传文件并提取内容，无需依赖 Agent 服务也可使用：
- 支持格式：
| 格式 | 提取引擎 | 说明 | |------|----------|------| | PDF | PDF.js (pdfjs-dist) | 完整文本提取，支持多页 | | Word (.docx) | mammoth.js | 富文本转纯文本 | | Excel (.xlsx/.xls) | SheetJS (xlsx) | 多 Sheet CSV 导出 | | 纯文本 | FileReader API | 50+ 扩展名自动识别 |
- Agent 优先上传：连接 Agent 后自动上传至工作目录，支持大模型直接操作原始文件
- 浏览器降级：Agent 不可用时自动切换为浏览器端提取
- 文件预览栏：显示文件名、大小、提取状态、支持删除
图片标注编辑器
内建完整的图片标注能力，可直接在预览中编辑图片后发送：
- 6 种标注工具：画笔 (B)、矩形 (R)、椭圆 (E)、箭头 (A)、直线 (L)、橡皮擦
- 颜色/粗细/透明度可调
- Undo 支持（最多 20 步，Ctrl+Z）
- 键盘快捷键：Enter 确认、Esc 取消
- 编辑后自动更新：标注结果立即更新到附件列表
2. 多助手管理（Agent 系统）
支持创建和管理多个自定义 AI 助手，每个助手拥有独立的系统提示词和工具权限：
- 内置模板：默认助手、代码审查专家、网页自动化助手、数据分析师、文档撰写助手
- 自定义 Agent：创建专属助手，设置图标、名称、系统提示词、模型、温度和工具权限
- Agent 选择器：侧边栏顶部快速切换，支持
@Agent名称快速切换 - 工具过滤：每个助手可配置独立的工具集，避免上下文膨胀
- 子任务分派：
dispatch_sub_agent支持并行分派，子 Agent 独立执行并返回结果 - Agent 持久化：基于
chrome.storage.local，跨重启保持
3. ReAct 推理循环
项目采用 ReAct（Reasoning + Acting）模式作为核心推理引擎：
- MCP 工具动态注入：每次推理前自动从 Agent 拉取最新的 MCP 工具列表，注入到 RAW_TOOLS 中
- 工具预筛选：正式调用主力模型前，用一次轻量 API 调用判断需要哪些工具，将 50+ 个工具缩减为 5-10 个相关工具，大幅减少 Token 消耗。简单问题可直接回答跳过推理循环
- 推理循环：LLM 思考 → 决定调用工具 → 执行工具 → 结果反馈 → 继续推理
- Token 预算管理：按模型上下文窗口动态计算可用 Token 预算（80%），按 Token 数截断，保留 tool_calls/tool 消息配对完整性
- 上下文压力监测：三级监测（safe / warning / critical），自动触发摘要压缩
- 上下文智能压缩：对长引用内容自动生成摘要压缩，避免永久占据上下文空间
- 工具结果缓存：并行工具结果自动缓存（上限 30 条）
- 并行工具执行：同一轮中标记为可并行的工具通过
Promise.all并发执行 - 任务拆解：
plan_task支持顺序、并行、条件三种执行策略，子任务失败支持重试/回滚/继续 - 子任务分发：
dispatch_sub_agent支持将子任务委派给其他 Agent 并行执行 - 流式响应：支持 OpenAI 流式响应，可配置字符间延迟（模拟打字效果）
- 澄清机制：信息不完整时弹出澄清对话框，循环计时自动暂停，支持推荐选项
- 多级超时控制：API 超时 5min、工具超时 10min、整体循环超时 30min
- 取消控制：用户可随时取消推理循环，按会话隔离
- SW 重启恢复：Keepalive 端口监测 SW 静默重启，自动通知 Side Panel 恢复。后台任务状态持久化到
chrome.storage.session
4. 反思系统（多级质量保障）
| 级别 | 说明 | 触发条件 | |------|------|----------| | 工具级反思 | 工具执行后快速评估结果是否有用 | 工具返回错误 / 空结果 / 结果过大(>50000字符) / 连续 3 次失败 | | 子任务反思 | 评估子任务结果完整性和相关性 | 仅标记为 complex 的子任务（可配置） | | 后置反思 | 最终答案 7 维度质量评分 | 每轮推理完成后自动执行 |
后置反思评分维度：完整性、准确性、相关性、工具使用、清晰度、安全性、效率。根据评分阈值自动决定：通过 (≥7)、修订 (5-7)、或重新执行 (= 114，低版本不支持 Side Panel API。
Q: 工具调用不生效？ 检查选项页中工具是否启用，部分工具需要特定网站权限。Agent 工具需要先完成配对连接。
Q: 构建后文件名带有 hash？ scripts/fix-build.js 会自动将 hash 文件名重命名为固定文件名，无需重新加载。
Q: 如何开启图片识别？ 在选项页「图片识别」Tab 中开启全局开关，可选配独立的 Vision API Base/Key/Model。
Q: 如何上传文件进行问答？ 直接粘贴或拖拽文件到输入区域，支持 PDF/Word/Excel/文本等格式。有 Agent 时优先上传至工作目录。
Q: 如何连接本地 Agent？
cd agent && npm install && npm start然后在扩展选项页「Agent」标签页中输入终端显示的 4 位配对码。
Q: 如何添加 MCP 工具？ 选项页 →「工具箱」Tab → 添加 MCP 服务器 → 填写命令和参数 → 连接。工具会自动注册到系统中。
Q: 如何导入/导出对话？ 侧边栏输入框下方点击「导出」按钮，可选择多个会话批量导出。导入通过文件选择器完成。
Q: Agent 命令执行失败？ 确认代理服务正在运行（npm start），检查 ~/.ai-helper-agent/config.json 中的 allowedPaths 是否包含目标路径。
License
MIT License
Copyright (c) 2026 AI Helper
Source & license
This open-source MCP server is cataloged on AgentStack and links to its original source — we do not rehost the code.
- Author: xiweicheng
- Source: xiweicheng/ai-helper
- License: MIT
- Homepage: https://xiweicheng.github.io/ai-helper/
Install and usage instructions live in the source repository linked above.
Reviews
No reviews yet, be the first.
Write a review
Versions
- v0.1.0 Imported from the upstream source.