用途:agent-browser 是面向 AI 智能体的浏览器自动化 CLI,用于让智能体与网站交互,例如导航页面、填写表单、点击按钮、截图、下载文件与提取数据。
主要能力:核心流程为导航、快照、交互、重新快照。常用命令包括 agent-browser open <url>、agent-browser snapshot -i(获取 @e1、@e2 等元素引用)、agent-browser click @e1、agent-browser fill @e2 "text"、agent-browser select、agent-browser check、agent-browser press、agent-browser scroll、agent-browser get text/url/title、agent-browser wait(支持 --load networkidle、--url、毫秒数)、agent-browser screenshot(支持 --full、--annotate)、agent-browser pdf、agent-browser download。还提供 diff snapshot、diff screenshot、diff url 用于比较页面状态与视觉回归。
使用方式:命令可用 && 串联,浏览器通过后台守护进程在命令间保持状态。支持命名会话(--session)、会话状态自动保存与恢复(--session-name)、state save/load、并行会话、连接已有 Chrome(--auto-connect 或 --cdp 9222)、本地文件(--allow-file-access)、iOS 模拟器(-p ios --device)。认证可用 auth vault(auth save/login/list/show/delete)或状态持久化。可用 find 语义定位器与 eval 执行 JavaScript(复杂表达式建议用 --stdin 或 -b)。配置优先级为 ~/.agent-browser/config.json < ./agent-browser.json < 环境变量 < CLI 参数。
适用场景:表单提交、登录认证、数据提取、页面截图与 PDF、视觉对比、移动端 Safari 测试、多智能体并行自动化。
限制:所有安全功能均为可选,默认不限制导航、操作或输出;可启用 --content-boundaries、AGENT_BROWSER_ALLOWED_DOMAINS、AGENT_BROWSER_ACTION_POLICY、AGENT_BROWSER_MAX_OUTPUT。页面变化后 @refs 会失效,必须重新快照。默认 Playwright 超时为 25 秒,可用 AGENT_BROWSER_DEFAULT_TIMEOUT 覆盖。iOS 模拟器需 macOS、Xcode 与 Appium。使用完毕应 close 会话以避免进程泄漏。具体安装方式与收费信息暂未提供。