用途:agent-browser 是面向 AI 智能体的浏览器自动化命令行工具,通过 CDP 直接驱动 Chrome/Chromium,用于让智能体与网站交互,如导航页面、填写表单、点击按钮、截图等。
安装:npm i -g agent-browser、brew install agent-browser 或 cargo install agent-browser;运行 agent-browser install 下载 Chrome;已安装的 Chrome、Brave、Playwright、Puppeteer 会被自动检测;agent-browser upgrade 可升级。
核心流程:open <url> 导航,snapshot -i 获取元素引用(如 @e1、@e2),再用引用执行 click、fill、select 等交互,页面变化后需重新快照。
主要能力:支持命令链式调用与 batch 批量执行;提供导航、快照、交互、等待、下载、标签页、网络请求检查与拦截、HAR 录制、视口与设备模拟、截图与 PDF、剪贴板、对话框处理、页面差异对比、自然语言 chat 控制等命令。
登录处理:可通过 --auto-connect 导入用户浏览器状态、复用 Chrome 配置文件、持久化 profile、会话名自动保存恢复、加密凭据库 auth save/login,或手动 state save/load。状态文件含明文令牌,应加入 .gitignore 并在不需要时删除,可用 AGENT_BROWSER_ENCRYPTION_KEY 加密。
效率建议:需要读取中间输出时单独运行命令,否则用 batch 或 && 链式执行;用 snapshot -i --urls 一次性获取链接,避免反复导航。
限制:资料未提供收费、价格、平台支持范围及具体效果数据;部分行为(如网络空闲等待)需注意潜在问题。