VMark嵌入式浏览器:把网页变成文档标签页,macOS WKWebView与安全边界完全讲解
VMark嵌入式浏览器:把网页变成文档标签页,macOS WKWebView与安全边界完全讲解
VMark 是一款面向 AI 的 Markdown 编辑器,它在 macOS 上内置了一个真正的嵌入式浏览器:网页不再是外部窗口的跳转,而是与你的 Markdown 文档并排的第一类标签页。它直接托管系统的 WKWebView,并用"无桥接(no-bridge)"设计把安全边界画得清清楚楚——本文带你从零理解它怎么用、为什么私有、以及 AI 驱动浏览时的每一道防护。
一、什么是 VMark 的嵌入式浏览器?
打开 VMark 后,浏览器标签页就和文档标签页一样,出现在编辑区中:侧边栏、标签条、终端、状态栏位置不变,网页的控制按钮直接画在窗口标题栏里。
| 控件 | 作用 |
|---|---|
| ‹ / › | 前进 / 后退,无可去之处时置灰 |
| ⟳ / ✕ | 重新加载 / 停止加载 |
| 地址栏 | 一个 omnibox:输 URL 直达,输其它内容即搜索 |
| ☆ / ★ | 收藏当前页 |
两个贴心细节:
- 切换标签不丢页面:切去写文档再切回来,页面不会重新加载,输入框里的内容也还在——页面只是被隐藏,关闭标签时才真正销毁。
- 弹窗被拦截:
window.open或target="_blank"会被挡住,页面顶部显示被拦地址并提供"在新标签页打开"按钮,登录弹窗一键即可放行。
⚠️ 目前该功能仅 macOS 可用(默认开启);Windows 和 Linux 上不会出现相关设置与菜单项。官方文档见 website/guide/browser.md。
二、快速上手:打开第一个浏览器标签页
- 菜单 File → New Browser Tab,快捷键
Alt + Mod + Shift + B(macOS 上即Option + ⌘ + Shift + B),或在命令面板中直接搜索 "New Browser Tab"。 - 新标签页默认打开 DuckDuckGo;地址栏里输
https://开头的 URL 直达,输裸域名(如example.com、localhost:3000)按地址打开,其余内容一律走搜索。 - 侧边栏会自动跟随:浏览器标签激活时显示浏览历史 + 书签,切回文档时恢复文件树 + 大纲,互不打扰。
- 历史只存在于当前窗口会话内、从不落盘;书签则持久化,且按你收藏的精确 URL 存储,
#install与#usage是两个独立书签。
不想用? 进入 Settings → Advanced,关掉 Embedded browser 即可:所有浏览器标签关闭、AI 已累积的站点权限全部撤销。
三、窗口"中性化":不干扰网页的显示效果
VMark 的主题都带色调(Paper 是暖灰、Mint 更明显)。如果给别人的网页套一个有色边框,页内所有颜色都会失真——所以浏览器标签聚焦时,窗口外框会切换为纯中性色(浅色主题白底、深色主题黑底),切回文档立即还原主题。
页面崩溃时也不会白屏:标签页会显示 "This page crashed" 覆盖层并带 Reload 按钮,瞬时崩溃会自动重载几次,持续崩溃则停下来等你手动操作,避免陷入重载死循环。
四、WKWebView 为什么"天生私有":no-bridge 设计
这是整篇讲解的核心。普通 Tauri 应用向框架要一个 webview 时,框架会往每个页面注入内部 IPC 消息桥——等于给任何网站一条进入应用的通道。VMark 的做法恰好相反:
- 自建 WKWebView:由 VMark 自己构造原生 webview,作为窗口的原生子视图加入,不向 Tauri 申请。因此被浏览的页面里不存在任何回传通道,页面只能被单向驱动:应用可以读页面、操作页面,页面无法反向触及应用。
- 永久回归测试:这个承诺不靠口头保证,而靠一段运行在页面世界里的断言脚本,检查
window.__TAURI_INTERNALS__、window.__TAURI__、window.ipc是否泄漏,并配套 E2E 旅程永久守护。 - 会话与隐私:登录、cookie 存在系统 webview 自己的数据目录中,VMark 不自建密码库;AI 会话保存的 cookie 与
localStorage只进 OS 钥匙串,绝不落文件。
关键源码:模块总览见 src-tauri/src/browser/mod.rs,no-bridge 断言见 src-tauri/src/browser/no_bridge.rs,对应 E2E 为 e2e/journeys/31-browser-no-bridge.mjs。
五、AI 驱动浏览器:每一道安全边界都看得到
通过 MCP 接入 AI 助手后,AI 可以读取页面(可访问性快照 + 稳定 ref 句柄)、点击、输入、滚动、按键、查询 DOM、抽取阅读模式 Markdown、执行 JS、截图,甚至运行可重放的 workflow。每个能力背后都压着明确的边界:
审批门(approval-gated):AI 每次想"动手"前都会弹出审批,告诉你站点、操作、元素(角色 + 可访问名,例如 button "Publish"),带内容的操作还会展示将输入的确切文本或将执行的确切脚本。选项只有三个:
| 选项 | 语义 |
|---|---|
| Allow once | 仅本次、此元素、此页面有效,用掉即失效 |
| Allow on this site | 该站点上该操作免再询问,但不扩到其他操作/站点 |
| Deny | 什么都不发生;按 Escape 或误按 Enter 也是拒绝——界面刻意偏向拒绝 |
三个容易忽略的加固,全都写在 src/components/Browser/BrowserApprovalDialog.tsx 的注释里:
- 提示框出现后前 0.5 秒的 Allow 会被忽略,且点击必须在同一条请求上按下并完成——防止 AI 撤回上一条提示、把下一次点击"偷"给新请求。
- 审批展示的是描述而非页面截图:网页控制自己的像素,恶意页面完全可以把 "Delete everything" 按钮装扮成 "Publish";VMark 展示的是浏览器引擎侧的权威描述。
- 页面一跳转,授权即作废——包括 SPA 的页内导航:你批准的那个
button "Publish"在新视图里可能已经不是同一个按钮了。
权限列表在浏览器侧边栏,可随时 Revoke;所有权限只存内存、退出即失效,关闭浏览器功能时全部撤销。强制执行端在 Rust 侧:src-tauri/src/browser/authorize.rs 的授权门校验导航代际、已提交 URL 与 origin 授权三不变量,任何过期的驱动命令一律拒绝。
文件上传对 AI 永久禁止——AI 选择文件的上传是典型的数据外泄路径,只能由人操作。
六、SSRF 防御:AI 不能借道访问你的内网
AI 发起导航时,默认拒绝 loopback、私有局域网、link-local、云元数据地址、畸形与不支持的协议。但"公开外形的域名解析到内网地址"是真实攻击面,所以 VMark 在导航发出之前做 DNS 预检:
- 解析失败、超时(5 秒上限)或无应答,一律拒绝(fail-closed),导航从不"默认放行";
- 应答里只要有一条被策略封锁的地址就整体拒绝——因为连接可能使用其中任意一条;
- 解析用与 URL 校验同一个
blocked_ip谓词,域名不可能解析到一个字面形式会被放行的地址。
该逻辑在 src-tauri/src/browser/ai_policy_dns.rs,origin 规范化与授权模式匹配在 src-tauri/src/browser/origin_guard.rs(*.example.com 只覆盖严格子域,不覆盖裸域与形似后缀)。E2E 覆盖见 e2e/journeys/29-browser-ssrf-policy.mjs 与 e2e/journeys/30-browser-approval-scoping.mjs。
也请如实了解边界:预检覆盖 AI 发起的导航,不覆盖重定向目标与页内链接点击(这些保留 URL 文本检查 + 内容规则清单);DNS rebinding(预检后解析结果改变)因 WKWebView 不暴露逐请求钩子而无法复检。
七、Co-driving:在旁边看着 AI 开浏览器
这是 VMark 对"AI 浏览器"的形态定义:浏览器是一个窗格,不是一种模式。打开终端(`Ctrl + ``)与浏览器标签页并排,在终端里跑 AI agent,页面全程可见——agent 提议,页面看得见,你审批;而不是在一个你看不见的窗口里干活。
夺回控制权只需一个手势:AI 正在驱动标签页时,工具栏显示 "AI is controlling — click to take over",点它——或你自己直接碰页面、碰地址栏——立即接管并停止运行。不需要去 agent 的终端里找停止按钮。
八、当前限制(诚实清单)
- 仅 macOS;
prompt()目前被抑制,alert()/confirm()由你亲自应答; - HTTP Basic 认证的页面无法加载(尚无用户名/密码提示框);
- 页内查找与页面缩放未实现;下载、打印、逐请求网络策略待补;
- 相机、麦克风、定位、通知请求暂按系统 webview 默认处理。
想深入阅读完整行为,直接看官方指南 website/guide/browser.md;前端渲染层见 src/components/Browser/BrowserSurface.tsx。




