从抓包插件到浏览器安全 Agent:Hx0 鹰眼 v1.0.6,正式接入 MCP

抓包 · 拦截 · 重放 · Fuzz · MCP · Agent------在 Chrome / Firefox 真实会话里完成整条安全工作流。

Hx0鹰眼v1.0.6官网下载地址:https://www.hx0.store/products/hawkeye

  • 做 Web 调试和安全测试的人,大多经历过这样的来回切换:

  • 浏览器里保持着真实登录态,流量却要切到代理工具里分析;

  • 想让 AI 帮忙,又要手工复制请求、响应、页面代码和报错;

  • 自动化工具能点击页面,却不了解抓包、拦截、重放和漏洞证据;

  • 抓包工具能看见流量,却很难让 Agent 在同一个浏览器上下文里继续操作。

Hx0 鹰眼一直想解决的,就是这种"上下文断层"。

在 v1.0.6 中,鹰眼不再只是一个浏览器侧栏里的轻量抓包工具。它进一步打通了真实浏览器会话、HawkEye MCP、浏览器级 Agent、抓包拦截与安全证据,让人工分析、外部 Agent Host 和扩展内自动化可以围绕同一批标签页、同一份登录态、同一套安全工具协同工作。

它不是给通用 Browser MCP 再套一层界面,也不是把聊天框简单搬进浏览器。HawkEye 选择的是另一条更聚焦的路线:让 Agent 直接进入浏览器安全工作台,把网页操作与流量研判、请求修改和证据留存连接起来。

一、它是什么?

告别繁琐代理,真正开箱即用。

Hx0 鹰眼是一款面向 Chrome、Firefox 和主流 Chromium 浏览器的轻量级安全工作台。它在用户真实标签页与登录态中统一提供:

  • HTTP(S) 与 WebSocket 抓包;

  • 请求拦截、改包、放行与丢弃;

  • 流量重放、页面内重放与微型 Fuzz;

  • 敏感信息、暗链与静态威胁检测;

  • 编解码、智能套娃解码与加密逻辑辅助分析;

  • AI 任务、Skills、HawkEye MCP 与浏览器级 Agent;

  • 截图、报告、请求响应与工具调用证据留存。

它不试图替代所有重型安全平台,而是把日常最频繁的"浏览器内快循环"做得更短:页面发出请求,鹰眼立即捕获;发现问题,直接改包或重放;需要自动化,再把同一上下文交给 MCP 或 Agent。

二、v1.0.6 的核心:把 HawkEye 变成安全工作流 MCP

普通 Browser MCP 解决的是"让模型操作网页"。HawkEye MCP 更进一步,它希望解决的是:

让外部 Agent 不仅能看见并操作网页,还能调用鹰眼的抓包、重放、编解码、敏感信息和证据工具,完成面向安全场景的浏览器任务。

Codex、Cursor、Deepseek Harness、LM Studio、Deepsentry 等支持 MCP 的 Agent Host 接入 hx0-hawkeye 后,Host 中的模型可以按任务需要调用:

  • browser_navigate、browser_click、browser_type、browser_snapshot 等浏览器操作;

  • 抓包状态、历史记录、请求与响应证据读取;

  • 重放、变异、编解码、TLS 与敏感信息工具;

  • 控制台、截图、下载和页面研究能力;

  • hawkeye_evaluate等真实页面调试能力。

这意味着,Agent 可以从"打开目标页面"开始,继续完成"定位接口---读取流量---分析请求---调用安全工具---验证结果---整理证据",而不是在浏览器自动化和安全工具之间反复搬运数据。

MCP 不是另一个 AI 模型

HawkEye MCP 本质上是一个本地工具桥。模型仍运行在用户选择的 Codex、Cursor、LM Studio 或其他 MCP Host 中;鹰眼负责把浏览器与安全能力以工具形式提供给它。

v1.0.6 的 MCP Server:

  • 提供单文件 hawkeye-mcp-server.mjs,无需额外 npm install;

  • 支持 stdio、Streamable HTTP 与 legacy SSE;

  • 默认仅监听本机回环地址;

  • 需要用户主动开启扩展桥接;

  • 可随时在 Host 侧限制允许调用的工具。

对于安全工作流来说,这种结构很重要:浏览器会话留在浏览器里,工具桥留在本机,模型服务由用户自己选择。

三、浏览器级 Agent:不只是聊天,而是在真实标签页中执行

如果说 MCP 是"把 HawkEye 交给外部 Agent Host",那么 v1.0.6 的Agent 模式,就是鹰眼自己提供的浏览器级任务执行界面。

用户只需要描述目标,Agent 就可以围绕当前真实 HTTP(S) 标签页进行多轮规划,并按授权调用浏览器与 HawkEye 工具。它支持:

  • 导航、搜索、复杂控件、iframe 与 Shadow DOM 交互;

  • 页面截图、附件输入、控制台信息和页面结构理解;

  • 抓包研判、请求重放、编解码与安全证据读取;

  • 公开资料研究与浏览器原生下载;

  • 长上下文任务记忆和可展开的工具调用证据;

  • 风险时询问、计划模式等不同批准策略。

Agent 的重点不是"回答得像不像",而是每一步是否真的发生在浏览器里:打开了哪个页面、调用了什么工具、读取了哪段证据、得出了什么结果,都可以沿着工具记录继续复核。

MCP、Agent、AI 任务,分别适合什么?

能力 适合场景 谁负责模型与执行界面
HawkEye MCP 已经在使用 Codex、Cursor、LM Studio 等外部 Agent,希望调用鹰眼浏览器与安全工具 外部 MCP Host
浏览器级 Agent 希望直接在鹰眼侧栏中用自然语言完成开放式、多轮浏览器任务 鹰眼 Agent 模式
AI 任务 需要 Scope、Skills、安全门禁、阶段编排和结构化报告的重复性授权测试 鹰眼 AI 任务台

三者不是互相替代,而是三种不同入口:MCP 负责连接生态,Agent 负责开放式执行,AI 任务负责结构化安全流程。

四、为什么不是重复造轮子?先看清两条赛道

今天的"浏览器 MCP"和"浏览器 Agent"已经有很多优秀方案,但相同的输入形式不等于相同的产品目标。有人解决自动化测试,有人解决 Chrome 调试,有人解决日常网页代办;HawkEye 要解决的,是真实浏览器会话中的安全流量闭环。

以下对比以各项目截至 2026 年 8 月 30 日的官方公开定位和默认工作流为依据。"不是默认闭环"不代表技术上绝对无法扩展,而是说明这项能力是否已经作为产品的一等工作流交付。

第一条赛道:HawkEye MCP 与主流浏览器 MCP 有什么不同?

方案 核心定位 浏览器与会话 最擅长的默认工作流 安全流量闭环
Playwright MCP 面向 Agent 的通用浏览器自动化与测试 Playwright 支持 Chromium、Firefox、WebKit;官方浏览器扩展也可连接已有 Chrome 标签页和会话 结构化页面快照、跨浏览器交互、测试与回归验证 可通过脚本和自定义工具扩展,但抓包---改包---重放---Fuzz 不是默认产品闭环
Chrome DevTools MCP 把 Chrome DevTools 的自动化、调试和性能能力交给编码 Agent 聚焦 Chrome,可启动新实例或连接可调试的现有会话 控制台与网络诊断、性能 Trace、Core Web Vitals、页面调试 网络可见性很强,但请求拦截、重放、变异和安全证据编排不是其默认一体化流程
Browser MCP 让 Agent 通过扩展控制用户已登录的真实 Chrome 复用现有 Chrome 标签页、Cookie、会话和 2FA 状态 导航、点击、表单、标签页、截图、Cookie、存储与通用网页任务 能访问部分网络与会话信息,核心仍是通用网页操作,不是安全流量工作台
HawkEye MCP 把浏览器操作和鹰眼安全工具统一提供给外部 Agent Host 面向真实 Chrome / Firefox 标签页与登录态 页面操作、HTTP(S)/WebSocket 抓包、拦截改包、重放、Fuzz、编解码、敏感信息与证据导出 上述能力直接共用鹰眼工作台、历史流量和授权边界,形成内置闭环

所以,HawkEye MCP 并不主张替代这些项目:

  • 要做跨浏览器 UI 自动化或端到端测试,Playwright MCP 的结构化快照与测试生态更合适;

  • 要排查 Chrome 控制台、网络性能和 Core Web Vitals,Chrome DevTools MCP 更专业;

  • 要让 Agent 使用已登录 Chrome 完成日常网页任务,Browser MCP 很直接;

  • 当工作对象本身就是请求、响应、WebSocket 帧、敏感信息和安全证据时,HawkEye MCP 才是对应的主场。

第二条赛道:HawkEye 浏览器级 Agent 与通用浏览器 Agent 有什么不同?

主流浏览器 Agent 通常把目标定义为"让 AI 完成网页任务"。以 Browser Use 为例,它提供开源 Agent 框架和云端运行能力,适合表单填写、资料提取、购物、网站操作以及需要代理、隐身和规模化调度的自动化任务。这类框架还可以通过自定义工具继续扩展,价值在于通用性、可编程性和任务完成能力。

HawkEye Agent 的目标则不是成为又一个通用网页代办,而是成为安全人员正在使用的浏览器工作台内置执行者:

对比维度 通用浏览器 Agent / Agent 框架 HawkEye 浏览器级 Agent
第一目标 完成网页操作、信息提取、表单和跨站任务 围绕真实页面与流量完成分析、验证和证据闭环
产品形态 SDK、框架、云浏览器平台,或外部 Agent Host 加浏览器工具 直接内置在鹰眼扩展侧栏,与抓包、拦截、重放台共用上下文
核心上下文 DOM、可访问性树、截图、页面文本、Cookie 和标签页 在页面上下文之外,额外获得请求/响应、WebSocket 帧、重放结果、敏感信息和安全工具结果
安全能力 通常需要自行编写脚本、工具或接入其他安全平台 抓包、拦截、改包、重放、Fuzz、编解码、检测与报告已经是内置工具
证据与复核 关注任务是否完成,具体审计能力取决于框架和实现 工具调用、页面截图、流量历史、请求响应与结构化结果可沿任务链复核
执行边界 由框架、浏览器沙箱和开发者配置决定 结合 Scope、批准策略、Skills 双重授权和当前会话进行限制
最适合 通用网页代办、自动化流程、数据提取和规模化 Agent Web 调试、授权安全测试、流量研判、CTF 与安全证据整理

更直白地说:通用浏览器 Agent 主要把网页当作需要操作的界面;HawkEye Agent 还把页面背后的网络行为当作需要分析和验证的对象。

HawkEye 没有重新发明 MCP,也没有重新定义 Agent。真正不同的是,它把标准接口和浏览器执行能力接进了原本就存在的安全工作台,让外部 Agent、内置 Agent 和人工分析共用同一套可复核证据。这正是 v1.0.6 的产品边界。

五、自动化升级了,但抓包与拦截仍是根基

无论 MCP 还是 Agent,最终都必须落回可靠的浏览器证据。因此 v1.0.6 没有削弱原来的抓包与拦截体验,反而继续补强 Chrome / Firefox 双端主链路。

用户仍然可以在侧栏中完成:

  • 按页面、域名、方法、状态码、资源类型和关键词筛选;

  • 查看 Pretty / Raw / Hex / Render 与敏感信息;

  • 暂停请求,编辑请求头和请求体后放行;

  • 将请求送入重放台继续验证;

  • 使用 §...§ 标记注入点执行微型 Fuzz;

  • 导出请求、响应、报告和批量证据。

Firefox 版本进一步补强了抓包监听初始化、请求头合并和请求体读取路径;同时保留浏览器自身受保护字段的安全边界。需要注意的是,GET 请求通常本来就没有请求体,"只看到请求行"并不必然代表漏抓,判断时应结合请求方法与实际页面行为。

WebSocket 也在同一工作台里:

开启 WebSocket 类型后,可以查看握手请求和 IN / OUT 数据帧,并对开放连接执行帧重放、微型 Fuzz;拦截模式下还可以进行帧级编辑、放行或丢弃。

六、智能解码助手:网页里选中就能识别

安全分析经常不是遇到"标准 Base64"这么简单,而是 URL、HTML、Unicode、JSON 转义、Hex、多层 Base64 甚至加密特征混在一起。

v1.0.6 的智能解码助手进一步覆盖常见 Web 表达,包括 \uXXXX、JSON 转义、URL 编码、HTML 实体、Base64、Hex 和多层嵌套。用户在页面中选中文本即可获得候选结果;需要 AES、DES、RSA、SM 或更复杂组合时,再进入鹰眼重放台的高级编解码继续处理。

七、AI 任务与 Skills:有边界的自动化测试

浏览器级 Agent 适合开放式任务;当目标是授权渗透、CTF、阶段化验证或报告交付时,AI 任务台仍然是更结构化的入口。

AI 任务可以结合目标 Scope、历史流量、页面上下文、请求证据与 Skills 进行多阶段规划。v1.0.6 内置知识库更新为 19 个渗透子模块和 28 个 CTF 子模块,并采用两道显式授权:

  • 先在高级设置中启用允许的 Skill / 子模块;

  • 再在当前 Agent 会话或任务中显式启用 Skills。

任何没有同时通过两道授权的 Skill,都不会进入模型上下文,也不能被 Agent 绕过用户选择调用。

八、更强自动化,不等于更高资源占用

Agent 与 MCP 会频繁读取页面结构、标签页状态和工具结果,如果缺少边界控制,很容易把浏览器拖慢。v1.0.6 因此同步重构了多条性能路径:

  • DOM 快照采用单次线性遍历、视口外元素早过滤与有界输出;

  • ref 建立、列表展示、MutationObserver 和页面观察器尽量复用;

  • Agent / MCP 使用紧凑传输和通知批处理;

  • 大结果通过 next_cursor 分页续读,不因追求速度丢失证据;

  • Firefox webRequest 监听器按功能状态动态注册与卸载,减少无意义常驻监听。

目标很明确:抓包与拦截能力不能退,Agent 与 MCP 也不能靠无限堆内存来换体验。

九、证据留存和浏览器交互也在完善

browser_screenshot 现在可以在正常把图片返回给模型的同时,按需保存成本地 PNG / JPEG 文件。只有显式传入 save_to_file: true 时才会写盘;未指定路径时可以自动生成安全文件名,保存失败也不会影响模型正常看到截图。

Chrome 侧优先使用 CDP 输入命令,Firefox 侧补充原生输入中继与聚焦回退,用于增强视频控制、复杂控件等需要浏览器输入链路的场景。具体行为仍会受到浏览器版本和目标站点安全策略约束。

十、1.0.6 也给社区版带来了更多能力

相比 v1.0.5,以下能力在 v1.0.6 起向社区版开放:

  • 智能代理分流器;

  • 全量深度搜索;

  • 内置 / 自定义敏感信息匹配;

  • 自定义正则、关键词库及批量导入导出。

HawkEye MCP、浏览器级 Agent、AI 任务与 AI Skills 仍属于专业版能力。新安装用户可以先体验 30 分钟专业版完整功能,试用结束且未激活时自动回退到社区版。

十一、如何开始使用?

1.安装浏览器扩展

Chrome / Edge / Chromium:

  • 从 GitHub Releases 下载 Chrome ZIP;

  • 解压到固定目录;

  • 打开 chrome://extensions 或 edge://extensions;

  • 开启开发者模式,选择"加载已解压的扩展程序";

  • 选择直接包含 manifest.json 的目录。

Firefox:

  • 下载并解压 Firefox ZIP;

  • 打开 about:debugging#/runtime/this-firefox;

  • 选择"临时载入附加组件";

  • 选择解压目录中的 manifest.json。

2.接入 HawkEye MCP

  • 安装 Node.js 18 或更高版本;

  • 在鹰眼 MCP 设置中下载单文件 hawkeye-mcp-server.mjs;

  • 点击"复制AI配置提示词";
  • 将配置添加到 Codex、Cursor、Claude Code、Deepseek Harness、LM Studio、Deepsentry 等 MCP Host;
  • 在扩展中主动开启 MCP 桥接。

  • 使用浏览器级 Agent

  • 在高级设置中填写模型 Base URL、API Key(服务需要时)和 Model;

  • 打开"抓包界面 → Agent 模式";

  • 选择批准策略与允许使用的 Skills;

  • 描述目标并检查每一步工具调用和结果。

十二、它适合谁?

  • 需要快速查看真实页面 XHR / Fetch / WebSocket 的前后端工程师;

  • 需要拦截、改包、重放与轻量 Fuzz 的安全测试人员;

  • 希望让 Codex、Cursor 等外部 Agent 使用真实浏览器安全工具的 MCP 用户;

  • 需要在浏览器里完成公开资料研究、证据整理和重复操作的研发或安全团队;

  • 需要结构化 AI 任务、Skills 和报告闭环的授权测试与 CTF 用户。

当场景涉及全站主动扫描、超大规模字典、非浏览器客户端流量或企业级协作时,Burp Suite、Yakit 等专业平台仍有不可替代的价值。鹰眼更适合作为日常浏览器内主工作台,与这些平台组合使用。

十三、项目地址与下载

GitHub:https://github.com/asaotomo/Hx0-HawkEye

v1.0.6 Release:https://github.com/asaotomo/Hx0-HawkEye/releases/tag/v1.0.6

产品官网:https://www.hx0.store/products/hawkeye

真实浏览器执行,更强自动化,更专业安全研判。

十四、安全与合规说明

请仅在自有系统或已获得明确授权的目标上使用抓包、拦截、重放、Fuzz、AI 任务与 Agent 功能。启用 AI / Agent 时,完成任务所需的页面和流量上下文可能发送至用户配置的第三方或内网模型服务;请结合自动脱敏能力,自行评估敏感数据、数据出境和合规要求。

相关推荐
王国强20091 小时前
The Anatomy of an Agent Harness(解剖 Agent Harness)
agent
阿里云大数据AI技术1 小时前
DataWorks Data Agent 实战课堂(七):数据治理 Agent——AI 驱动的自动化治理
人工智能·agent
机械改造鹅1 小时前
从零开始拆解Pi系列——(11)配置系统
agent
Flynt2 小时前
我给 Claude Code 装了 Ponytail,代码量直接砍了一半
agent·ai编程·claude
DigitalOcean2 小时前
GPT 6 Astra 已上线 DigitalOcean AI 推理云:AGI 时代的计算机操作模型来了
agent
后端小肥肠2 小时前
还在找PPT 生成工具?我集成了 GitHub 高星 Skill,自动匹配最优方案
人工智能·aigc·agent
小哈里2 小时前
【执行】个人操作系统架构图 v1(硬件层,OS层,软件层,Agent层,横向控制面)
系统架构·操作系统·agent·架构图·执行
uncle_ll5 小时前
智能客服实践:微调+RAG双引擎架构落地
llm·agent·智能客服·rag·llamaindex
请输入昵称3356 小时前
Wazuh-检测实验室实操
安全