E2LLM / SiFR

E2LLM — 面向 AI 的结构化浏览器感知

E2LLM 将实时网页转换为 SiFR：一种紧凑、结构化、可供大模型读取的模型，用于描述页面上有什么、意味着什么，以及可以对其执行哪些操作。 感知就是产品。需要时也可以执行操作——始终明确，始终受限。

可与您已在使用的 AI 配合，作为托管的远程 MCP 服务运行。无需运行本地服务——浏览器扩展会将您的实时浏览器连接到服务，因此感知和操作都发生在您已登录的真实浏览器中。

---

E2LLM 不是 Agent

这一点很重要，因此放在最前面。

Agent 会自主决策和行动——它会规划、循环执行，并在您不参与的情况下朝目标采取步骤。这种自主性也构成了它的攻击面：能够做任何事的 Agent 运行时，也可能被引导去做任何事。

**E2LLM 是感知层，而不是 Agent。**它为您的模型提供浏览器的感官——通过 sifr_capture 获取结构化视野，以及一组范围有限、需逐项授权的执行器。它不会规划、不会循环执行，也不会做决策。推理由您已在使用的模型负责；E2LLM 只负责报告页面内容，并一次执行一条明确指令。没有隐藏的自主性，没有自主发起的步骤，也没有任何会在您离开时运行的操作。

感知底层与自主运行时之间的界限，就是整个设计的核心。

---

功能介绍

	工具	功能
🔎	sifr_capture	将页面捕获为 SiFR 文档
🔎	query	按标签、显著性、文本或选择器筛选当前捕获内容
🔎	inspect	查看单个元素的完整详情：选择器、属性、样式、边界框
🔎	read_page	按阅读顺序将页面文本读取为 Markdown
🔎	list_tabs	列出已打开的浏览器标签页
🖐	act	执行一项明确的交互：点击、输入、选择、导航、拖动、打开（新标签页）或粘贴
🖐	batch_act	执行规划好的操作序列，然后观察一次（例如填写并提交表单）
🖐	explore	滚动、悬停或重新捕获——读取更多内容，不做任何更改
🖐	close_tab	关闭标签页

九个工具：五个 🔎 工具仅用于感知，四个 🖐 工具用于交互——其中 act、 batch_act 和 close_tab 会更改页面状态，而 explore 只读取内容。工具 清单见 server.json；完整参数架构由实时服务在连接时提供。感知工具永远不会更改页面状态；每个 会更改状态的工具都可以设置为需要您确认（参见 安全与审批模型）。

---

什么是 SiFR——以及它为什么并非显而易见的东西

SiFR（Single-File RAG，读作“see-far”）是一种用于实时界面状态的自包含检索产物：可供模型读取、可按节点寻址、支持渐进式查询，并且独立于其上层的推理系统。E2LLM 是它在真实浏览器中的参考实现。

• 不是 DOM 转储。 转储会原样序列化整棵树——按文档顺序包含所有内容，也包括噪声。SiFR 会筛选并排序：为每个节点计算显著性分数，丢弃框架元素，并将剩余节点展平为关系模型，其中的结构由显式关系而非嵌套深度承载。
• 不是无障碍树。 无障碍树是为辅助技术生成的，由 ARIA 驱动，对任何未标注的内容视而不见，也不会区分页面上什么最重要。SiFR 面向大模型构建：按显著性排序，将重要内容置于前面，并携带 Agent 执行操作所需的选择器——这些都不是无障碍树具备的能力。
• 不是截图。 SiFR 从实时渲染的 DOM、计算样式、几何信息和运行时状态中推导出机器可读的感知信息，而非从像素中提取。一次捕获会记录观测到的页面状态，以及其证据产物所注明的版本和条件。

最终得到的是一个感知层，而非序列化结果：页面是什么、你能在页面上做什么，以及页面各部分之间有什么关系——重要内容置于前面，让模型先获取所需信息。sifr_capture 会先返回一份约 5–15 KB 的摘要（元数据加上高显著性元素），再返回完整文档，因此可以立即开始读取。

• 📄 SIFR.md — 格式规范
• 🔤 TAXONOMY.md — 显著性层级、ID 前缀、关系与类别类型
• 📚 examples/ — 公开网页的真实捕获结果
• 🗓 CHANGELOG.md — v1 → v2 → v3 格式演进历程（当前版本：v3）

有关基于 SiFR 编写的提示词范例和自动化工作流，请参阅 awesome-e2llm-prompts——这是一个社区指南集，并链接回此处作为 SiFR 规范的权威来源。

---

3 步完成安装

1. 在 e2llm.com 上完成设置。 创建账户并安装浏览器扩展。该扩展会将你的实时浏览器与服务配对——正是这种配对让你的 AI 能够感知并操作你当前已登录的会话。（这是唯一在你的设备上运行的部分；无需本地服务。）

2. 将 E2LLM 添加到你的 MCP 客户端。 只需一行——在 clients/ 中选择你的客户端，或粘贴以下内容进行交互式 OAuth 登录：

{
  "mcpServers": {
    "e2llm": {
      "url": "https://mcp.e2llm.com/mcp",
      "type": "http"
    }
  }
}

对于无法进行交互式登录的 CLI / CI，请使用静态密钥，并通过 Authorization: Bearer mk_… 标头访问 https://api.e2llm.com/mcp。各客户端的完整说明见：clients/README.md。

3. 让 AI 帮你操作页面。 例如：

“打开我当前所在的页面，找到搜索框，并筛选出未关闭的问题。”

你的助手会调用 sifr_capture 来查看页面，然后调用 act 与页面交互——在你的真实浏览器中，每次只执行一个明确的步骤。

---

教会模型遵守规范——技能

工具描述会告诉模型每个工具能做什么；它们有意不说明如何做好工作。这套工作规范通过两个 Agent Skills 提供：

技能	适用场景	涵盖内容
e2llm	操作实时浏览器	配对检查、描述前先捕获、每次只执行一个操作然后重新观察、根据返回的差异进行报告、不可信页面内容、清空游标
sifr	阅读已保存的捕获文件	分区、紧凑 ID、显著性层级、预设、结构模式、jq 用法

用一行命令即可将两项技能安装到你使用的任意 Agent 中：

npx skills add e2llm/e2llm-sifr

这适用于 77+ 个 Agent，包括 Claude Code、Codex，以及任何遵循 Agent Skills 布局的其他工具。添加 -a codex 可明确指定 Codex，或者添加 --skill e2llm 仅安装一项技能。

其他安装方式：

• Codex CLI — 使用 npx skills add e2llm/e2llm-sifr -a codex，或通过 $skill-installer 流程安装。
• 手动安装 — 将技能目录复制到 ~/.claude/skills/（适用于所有项目）或某个项目的 .claude/skills/。每当用到 e2llm 工具或 SiFR 文档时，技能都会自动加载。
• 其他客户端 — 将技能内容纳入 Agent 指令中（例如 AGENTS.md）。

---

安全与审批模型

感知功能从设计上就是只读的：五个 🔎 工具无法更改页面状态，因此查看页面始终安全。

只有四个 🖐 工具可以执行操作，而且其功能范围刻意设得很窄——不存在“什么都能做”的工具。每个状态变更步骤都可以根据会话姿态进行审批门控：视会话配置而定，操作会暂停并等待你确认后才会执行。操作一次只按照一条明确指令进行，绝不会形成自主循环。

安全问题披露和我们的漏洞披露计划（含安全港政策）请见 e2llm.com/security/disclosure；另请参阅 SECURITY.md。

---

数据处理

页面内容按需捕获，并经由 E2LLM 中继传输至你的 MCP 客户端。与会话相关的数据仅保留有限时间（参见 隐私政策），密码类字段会在存储前进行脱敏。中继会将所有源自页面的内容标记为不可信外部数据，因此下游模型会将页面文本视为数据，而非指令。详情请见： 隐私政策 · 条款。

---

兼容性

E2LLM 使用标准 MCP，因此适用于任何兼容的客户端。经实际验证可与 Claude、ChatGPT、Codex、Perplexity、Grok 和 Manus 搭配使用。其他 MCP 客户端——包括 Cursor、VS Code 和 Cline——也应当可以使用；如果你进行了测试，欢迎提交说明或 PR。

---

仓库内容

本仓库是 SiFR 格式和 E2LLM MCP 服务接口的权威描述文档。它介绍该格式及连接方式；捕获引擎、浏览器扩展和服务属于独立的托管产品，运行于 e2llm.com。

路径	内容
SIFR.md	SiFR 格式规范
TAXONOMY.md	SiFR 受控词汇表
server.json	MCP 服务清单（传输方式、身份验证、工具目录）
.mcp.json	可直接使用的 MCP 客户端配置（OAuth 端点）
skills/	SIFR 技能——模型操作这些工具时应遵循的工作规范
clients/	各客户端的连接配置
examples/	真实的公开网页捕获
SECURITY.md	安全政策与披露计划
CHANGELOG.md	格式版本历史

许可证

MIT。本仓库中的格式规范、清单、示例和客户端配置均为开源内容。采集引擎和服务端是单独托管的产品。