在早期演示中，Dia 就展示了浏览器如何代表人类执行任务。
例如，Dia 通过自己浏览亚马逊，找到这些物品并将它们添加到购物车中。这正是浏览器能做到的事——利用它对你所有 Web 应用和浏览数据的访问权限，替你完成任务。
尽管，如今的 Dia 距离这一目标尚有差距，但这种从被动响应到执行理念的转变，却与当下大火的 Agent 不谋而合。
在 OpenAI 推出的 Operator，以及智谱最新发布的「沉思」Agent 中，我们也看到浏览器开始代替用户采取行动，比如预订机票、比较产品价格、填写表单，甚至完成在线购物。
为了更好地了解这一趋势，不妨再来看看 OpenAI 前 AI 大神 Andrej Karpathy 提出的「LLM 操作系统」设想：
LLM 作为内核：LLM 是整个系统的中心，类似于传统操作系统中的 CPU，负责处理核心任务和协调其他组件。
存储体系：包括上下文窗口（类似 RAM），用于存储当前正在处理的信息。
文件系统：用于长期存储数据，类似于传统计算机的硬盘。
向量数据库（embeddings/vector databases）：用于存储和检索嵌入向量，是 LLM 进行语义理解和检索的重要基础。
浏览器：作为 I/O 外设之一，用于访问互联网资源，获取实时信息。
多模态工具：支持处理文本、图像、音频等多种数据类型。
其他工具：如代码解释器、计算器等，用于辅助 LLM 完成复杂任务
从根源上讲，浏览器自诞生之初便紧密贴合人类需求，为人类而生的属性贯穿始终。传统浏览器依赖的 UI 自动化工具（如 Selenium）本质上是对人类操作的镜像模拟。
与图形化界面和手动操作有所不同，AI Agent 需要通过代码访问和解析数据与网页进行自动化交互，而动态加载的内容、复杂的页面结构，以及反爬机制（如验证码）的普遍应用，都是亟待解决的几道难关。
浏览器服务商 Browserbase 创始人 Paul Klein 也曾给出一些技术思路：
开发开源、高效的浏览器，减少浏览器启动时的等待时间和安装所需的资源量，提升运行速度和部署便利性。
利用 LLM 快速定位网页数据，VLM 基于截图识别元素，支持自然语言交互，无需复杂脚本，即使面对混淆或动态内容也能适应。
提供更可靠的 SDK 和 API 开发工具，简化开发流程，提高 AI Agent 使用体验。
更理想的状态是，AI Agent 与浏览器/网站则需要通过标准化协议直接通信，跳过视觉交互环节，基于数据接口（如 API、底层协议）实现自动化操作，完成从 「人→界面→数据」 到 「机器→协议→数据」的直连。
这段时间频繁出现在大众视野的 MCP，正是解决传统「人→界面→数据」模式瓶颈的一种方案。它通过客户端-服务器架构，将 AI Agent（主机/客户端）与外部资源（服务器）连接起来，用协议取代了界面操作。
简单来说，你可以把 MCP 想象成一个「万能接口」，就像电脑上的 USB-C 接口一样。这个接口让 AI 模型能够轻松地连接到各种外部资源，比如文件、数据库、在线服务等。
通过 MCP，AI 助手不仅能获取数据，还能直接对数据进行操作，比如读取文件内容、更新数据库记录等。
浏览器会继续服务人类，但会越来越适配 AI 的需求。人类下达命令，Agent 高效执行的协作模式将成为未来的常态。
从早期的命令行界面（CLI），到图形用户界面（GUI），再到如今迈向人机纯自然语言交互以及机器与机器的协议层交互，技术在复杂化，但交互方式却在不断简化。
现在，浏览器 2.0 时代已经开始，而 Web，远未走向死亡。
「AI 不会以应用程序的形式存在，也不会是一个按钮。我们相信它将是一个全新的环境——建立在 Web 浏览器之上，」Dia 的官网如是说。
下载地址：https://www.diabrowser.com/download
