Agent Browser - 无头浏览器自动化 CLI，针对 AI 代理优化，支持可访问性树快照和基于引用的元素选择

快速的浏览器自动化，使用可访问性树快照并通过 ref 实现确定性的元素选择。

为什么选择它而不是内置浏览器工具

当使用 agent-browser 时：

• 需要自动化多步骤工作流
• 需要确定性的元素选择
• 对性能有严格要求
• 处理复杂的单页应用（SPA）
• 需要会话隔离

当使用内置浏览器工具时：

• 需要截图 / PDF 用于分析
• 需要视觉检查
• 需要浏览器扩展集成

核心工作流

1. 打开页面并快照

agent-browser open https://example.com
agent-browser snapshot -i --json

2. 解析 JSON 中的 ref 并交互

agent-browser click @e2
agent-browser fill @e3 "text"

3. 页面变化后重新快照

agent-browser snapshot -i --json

关键命令

导航

agent-browser open 
agent-browser back | forward | reload | close

快照（请始终使用 -i --json）

agent-browser snapshot -i --json                    # 交互元素，JSON 输出
agent-browser snapshot -i -c -d 5 --json          # + 紧凑，深度限制
agent-browser snapshot -s "#main" -i            # 限定在选择器范围内

基于 Ref 的交互

agent-browser click @e2
agent-browser fill @e3 "text"
agent-browser type @e3 "text"
agent-browser hover @e4
agent-browser check @e5 | uncheck @e5
agent-browser select @e6 "value"
agent-browser press "Enter"
agent-browser scroll down 500
agent-browser drag @e7 @e8

获取信息

agent-browser get text @e1 --json
agent-browser get html @e2 --json
agent-browser get value @e3 --json
agent-browser get attr @e4 "href" --json
agent-browser get title --json
agent-browser get url --json
agent-browser get count ".item" --json

检查状态

agent-browser is visible @e2 --json
agent-browser is enabled @e3 --json
agent-browser is checked @e4 --json

等待

agent-browser wait @e2                    # 等待元素出现
agent-browser wait 1000                   # 等待毫秒数
agent-browser wait --text "Welcome"       # 等待文本出现
agent-browser wait --url "/dashboard"   # 等待指定 URL
agent-browser wait --load networkidle     # 等待网络空闲
agent-browser wait --fn "window.ready === true"

会话（浏览器隔离）

agent-browser --session admin open site.com
agent-browser --session user open site.com
agent-browser session list
# 或者通过环境变量：AGENT_BROWSER_SESSION=admin agent-browser ...

agent-browser state save auth.json        # 保存 cookies / storage
agent-browser state load auth.json        # 加载（跳过登录）

agent-browser screenshot page.png
agent-browser screenshot --full page.png
agent-browser pdf page.pdf

agent-browser network route "/ads/" --abort           # 屏蔽请求
agent-browser network route "/api/" --body '{"x":1}'  # Mock 返回
agent-browser network requests --filter api              # 查看请求

Cookie 与存储

agent-browser cookies                     # 获取全部
agent-browser cookies set name value
agent-browser storage local key           # 获取 localStorage
agent-browser storage local set key val

标签页 & 框架

agent-browser tab new https://example.com
agent-browser tab 2                       # 切换到第 2 个标签页
agent-browser frame @e5                   # 切换到 iframe
agent-browser frame main                  # 返回主框架

快照输出格式

{
  "success": true,
  "data": {
    "snapshot": "...",
    "refs": {
      "e1": {"role": "heading", "name": "Example Domain"},
      "e2": {"role": "button", "name": "Submit"},
      "e3": {"role": "textbox", "name": "Email"}
    }
  }
}

最佳实践

• 始终使用 -i：聚焦交互元素
• 始终使用 --json：便于解析
• 等待页面稳定：agent-browser wait --load networkidle
• 保存认证状态：使用 state save/load 跳过重复登录
• 使用会话隔离：不同上下文使用不同 --session
• 调试时使用 --headed：可视化浏览器窗口

示例：搜索并提取

agent-browser open https://www.google.com
agent-browser snapshot -i --json
# AI 识别搜索框 @e1
agent-browser fill @e1 "AI agents"
agent-browser press Enter
agent-browser wait --load networkidle
agent-browser snapshot -i --json
# AI 识别结果 refs
agent-browser get text @e3 --json
agent-browser get attr @e4 "href" --json

示例：多会话测试

# Admin 会话
agent-browser --session admin open app.com
agent-browser --session admin state load admin-auth.json
agent-browser --session admin snapshot -i --json
# User 会话（并行）
agent-browser --session user open app.com
agent-browser --session user state load user-auth.json
agent-browser --session user snapshot -i --json

安装

npm install -g agent-browser
agent-browser install                     # 下载 Chromium
agent-browser install --with-deps         # Linux: 同时安装系统依赖

贡献者

Skill 由 Yossi Elkrief (@MaTriXy) 创建

agent-browser CLI 由 Vercel Labs 提供