用途
Agent-browser 是一个面向 AI 智能体的浏览器自动化技能，通过 inference.sh 平台使用，底层采用 Playwright 实现。它让智能体能够以编程方式浏览网页并与页面元素交互，适用于需要模拟真实浏览器行为的自动化任务。
主要能力
工具提供以下核心函数：
- open：导航到指定 URL，并可配置浏览器（视口、代理、视频录制）。
- snapshot：在 DOM 变化后重新获取页面状态及 @e 元素引用。
- interact：使用 @e 引用执行操作，包括 click、dblclick、fill、type、press、select、hover、check、uncheck、drag、upload、scroll、back、wait、goto。
- screenshot：截取页面截图（视口或整页）。
- execute：在页面上运行 JavaScript 代码。
- close：关闭会话，若开启录屏则返回视频文件。
附加功能包括：视频录制（record_video）、光标指示器（show_cursor，以红点跟随鼠标并显示点击反馈）、代理支持（proxy_url、proxy_username、proxy_password）、文件上传、拖拽操作以及 JavaScript 执行。
使用方式
需先安装并登录 inference.sh CLI（belt）：
npx skills add belt-sh/cli
belt login
每次浏览器自动化遵循固定模式：
- 打开页面并获取 @e 引用。
- 使用引用进行交互。
- 导航或变化后重新快照以获取新引用。
- 完成后关闭会话（如录制则返回视频）。
示例：
belt app run agent-browser --function open --input '{"url": "https://example.com"}' --session new
后续操作用返回的 session_id 关联。元素以 @e1 [a] "Home" href="/" 形式返回。
适用场景
- 表单自动填写与提交
- 搜索并提取页面内容
- 带截图的页面捕获
- 需要录屏调试或演示的流程
- 需要代理路由的访问
- 登录流程、OAuth、2FA 处理（文档提及）
- 并行会话管理（文档提及）
限制与注意事项
- 元素引用（@e）在导航后失效。链接/按钮跳转、表单提交、动态内容加载后必须重新快照。
- 浏览器状态仅在会话内持久；首次调用需
--session new，后续使用返回的 session_id，完成需关闭会话。 - 需要 inference.sh CLI（belt）并登录后使用。
- 收费、价格等商业信息暂未提供。
相关技能
可搭配：
npx skills add inference-sh/skills@web-search
npx skills add inference-sh/skills@llm-models
文档提供深入参考（commands.md、snapshot-refs.md、session-management.md、authentication.md、video-recording.md、proxy-support.md）及模板（form-automation.sh、authenticated-session.sh、capture-workflow.sh）。