lexmount/moli · 上手攻略

• 仓库：lexmount/moli
• 链接：https://github.com/lexmount/moli
• 分类：ai
• 作者：Jay
• 更新：2026-08-12

是什么

Moli 是一个用 Rust 从零构建的浏览器引擎，专为 AI Agent 场景设计。它不依赖 Chromium，却又完整实现了 V8 JavaScript 引擎、原生 DOM、CSS 渲染、网络请求（Fetch/XHR/WebSocket）、Cookie、localStorage/IndexedDB/OPFS 等 Web 运行时。与传统浏览器自动化工具最大的区别在于：按需渲染（Layout on Demand）—— 只有当你真正需要像素或几何坐标时，才触发布局和光栅化；大多数时候，它直接读取 DOM 结构作为答案。

Moli 既是一个可独立运行的 CLI 工具，也是一个 CDP/WebDriver 自动化服务端。它的定位介于"爬虫工具"和"无头浏览器"之间，但更偏向 Agent 专用 —— 官方称之为"browser kernel"而非"Chromium wrapper"，强调它是一个独立的 Rust 运行时，而非在 Chromium 外套一层壳。

底层技术栈：HTML 解析用 html5ever，JS 执行用 rusty_v8/V8，CSS 级联用 Servo/Stylo，布局用 Taffy + Parley，文字 shaping 用 Parley，软件渲染用 AnyRender/Vello + usvg，网络传输用 libcurl。官方称这套架构为"原生 DOM + Stylo integration 是唯一的 document/style owner"——每次刷新都从 DOM 重建布局状态，不存在增量布局树、damage graph 或 retained display list。

解决什么问题

主流浏览器自动化方案（如 Puppeteer、Playwright）基于 Chromium，每次实例都携带 300+ MB 的内存占用和大量进程/线程开销。而 AI Agent 的高频诉求其实是：提取页面结构、查询 DOM、执行 JavaScript、追踪网络——这些都不需要持续的视觉渲染。Moli 正是为这个场景优化：

• 提取为主：Markdown、HTML、JSON、语义文本树（semantic tree）输出，无需渲染像素
• 低资源占用：实测峰值 RSS 约 73 MiB，对比 Chromium Headless 的 773 MiB（差距约 10×）
• 快速启动：中位响应时间 33.40 ms（CDP ready），Chromium 对应 169.37 ms
• 单进程单线程：Moli = 1 process / 24 threads；Chromium = 11 processes / 123 threads
• 未来兼容：AUTO 模式自动探测 nvidia-smi 可用字段，无需硬编码字段名

快速安装

从源码构建（需要 Rust 工具链）

⚠️ 需要 Rust stable 工具链；nightly 版本偶有兼容性问题，建议 rustup default stable 后再构建。

# 安装 Rust（如果还没有）
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
source ~/.cargo/env

# 构建
git clone https://github.com/lexmount/moli.git
cd moli
cargo build --release -p moli

# 验证
./target/release/moli --version   # （如支持，参见 --help）

下载预编译二进制

前往 Releases 页面 下载对应平台压缩包，解压后将 moli 二进制移入 PATH 即可。

⚠️ 当前最新版本请以 Releases 页为准，本攻略不硬编码版本号以避免过时引用。

Docker

# 基础版本（需 nvidia-smi 在容器内可见）
docker run -d --name moli \
  -p 9222:9222 \
  lexmount/moli:latest serve

# 带 GPU + 布局模式
docker run -d --name moli \
  --gpus all \
  -p 9222:9222 \
  lexmount/moli:latest serve --layout

⚠️ Docker 运行需要 nvidia-container-toolkit 已正确安装，否则 --gpus all 会失败。

核心用法

1. CLI 抓取页面（最常用）

# 提取为 Markdown（默认完成策略）
./moli fetch \
  --dump markdown \
  --wait-until done \
  https://example.com

# 提取为语义文本树（AI 模型友好，最小 token 消耗）
./moli fetch \
  --dump semantic_tree_text \
  --wait-selector "#main-content" \
  https://example.com

# 输出 HTML
./moli fetch \
  --dump html \
  --wait-until networkidle \
  https://example.com

# 输出 JSON（结构化数据）
./moli fetch \
  --dump json \
  https://example.com

# 查看所有 dump 格式和 wait 选项
./moli fetch --help

--wait-until 支持：domcontentloaded（DOMContentLoaded 事件后即返回）/ networkidle（网络空闲后）/ done（完全加载，包括 JavaScript 执行完毕）。--wait-selector 等待特定 CSS 选择器出现再返回，比固定超时更可靠。

2. 启动自动化服务器（CDP + WebDriver）

# 基础服务（默认无几何/像素）
./moli serve

# 开启几何、坐标输入、截图、DevTools screencast
./moli serve --layout

# 同时拉取图片/字体/音视频资源（网络 IO 显著增加）
./moli serve --layout --resource

# 指定监听地址（默认 :9222）
./moli serve --listen [::1]:9222

服务启动后，同时暴露 CDP（Chrome DevTools Protocol）、WebDriver Classic 和 WebDriver BiDi 三个协议入口。Playwright 可直接通过 CDP 连接：

import { chromium } from "playwright";

const browser = await chromium.connectOverCDP("http://127.0.0.1:9222");
const context = browser.contexts()[0];
const page = context.pages()[0] ?? await context.newPage();

await page.goto("https://example.com");

// 等待元素出现再提取内容
await page.waitForSelector("article", { timeout: 10000 });
const content = await page.locator("article").innerText();
console.log(content);

// 也可以直接执行 JavaScript
const title = await page.evaluate(() => document.title);
console.log("Page title:", title);

await browser.close();

⚠️ chromium.connectOverCDP() 在 Playwright 1.40+ 支持较好；老版本请先 npm install playwright@latest。

3. 代理与操作控制

# 指定 HTTP/HTTPS 代理
./moli serve --proxy http://127.0.0.1:7890

# 指定 User-Agent（绕过简单的 UA 检测）
./moli serve --user-agent "Mozilla/5.0 (compatible; MyBot/1.0)"

# 开启网络追踪（抓包分析）
./moli serve --trace

# 指定 Cookie 文件（维持登录状态）
./moli serve --cookie-file ./cookies.json

# 指定 Profile 目录（隔离会话）
./moli serve --profile-dir ./moli-profile

4. 按需渲染工作流（理解 Moli 核心理念）

理解 Moli 的三层渲染策略，是用好它的关键：

Agent 请求  →  Moli 默认行为
─────────────────────────────────
DOM 查询 / JS 执行 / 网络追踪   →  直接读浏览器运行时（无布局/绘制）
读元素几何（box）              →  触发单次 layout pass，保留最新快照
截屏 / screencast             →  从当前 DOM/style 重建一帧，渲染后丢弃

典型适用场景

坑与注意

1. 不支持 GUI：Moli 没有可视界面，无法用于需要人眼确认的调试。--layout 模式的截图/DevTools 用于程序化读取，不做持续渲染保留。
2. WPT 测试范围有限：官方 WPT 1.612M 测试通过，但覆盖范围限于"Agent 浏览器核心功能"。对复杂 CSS3 动画、CSP 严格站点（如银行/政务）、非标准 Web API 等兼容性可能弱于 Chromium。建议在高要求的站点上先做真实环境测试。
3. Playwright 版本兼容性：chromium.connectOverCDP() 在 Playwright 1.40+ 稳定；老版本建议升级后再使用。
4. Windows 支持状态：README 未明确标注 Windows 兼容性验证，Docker 部署在 Linux/macOS 更稳妥；如在 Windows 上直接运行二进制，遇到问题建议优先通过 Docker 绕行。
5. GPU 加速（弱点）：Moli 使用纯 CPU 软件渲染（AnyRender/Vello + usvg），不支持 GPU 加速光栅化。复杂页面截图性能显著弱于 Chromium。对于需要高频截图的 Agent 场景（如 UI 自动化评测），Chromium 生态仍是首选。
6. 不提供 GPU 指标导出：Moli 不调用 nvidia-smi，不提供 GPU 利用率/显存监控。如需该功能请搭配 utkuozdemir/nvidia_gpu_exporter。
7. 当前最新版本请以 Releases 页为准：本攻略不硬编码版本号以避免过时引用。

与同类对比

Moli 的核心优势是资源效率 + Agent 友好的结构化输出，劣势是生态（Playwright 有丰富配套库）和全量 Web 兼容性。在资源受限或大规模并发的 Agent 场景中，Moli 优势明显；在需要精确像素级截图或复杂 CSS 兼容的场景，Chromium 生态更稳。

一句话推荐结论

如果你在构建 AI Agent 需要频繁操作网页（抓取内容、填写表单、执行 JavaScript），Moli 是目前资源效率最高的专用方案，Rust 实现带来了远低于 Chromium 的内存占用；在对全量 Web 兼容性或高频截图有强需求的场景，继续用 Chromium 生态更稳妥。

原始 commit/PR：https://github.com/lexmount/moli/commits/main · Releases · ⚠️ NVML 后端为 experimental；WPT 测试覆盖 Agent 核心范围，复杂 CSS3 / 严格 CSP 站点兼容性建议实测后使用