SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-15 19:57

技能介绍

用途:agent-browser 是 Vercel 提供的无头浏览器自动化 CLI,面向 AI 代理,用于与网页交互、填写表单、截图和抓取数据,可作为 Playwright MCP 的轻量替代,适合偏好 Bash 工作流或需要快速一次性自动化的场景。

安装:先检查是否已安装:command -v agent-browser >/dev/null 2>&1 && echo "Installed" || echo "NOT INSTALLED - run: npm install -g agent-browser && agent-browser install"。未安装时执行 npm install -g agent-browser 与 agent-browser install(会下载 Chromium)。

主要能力:采用基于无障碍快照的引用(ref)选择模式,核心流程为:用 agent-browser open 打开 URL,执行 agent-browser snapshot -i --json 获取带引用的可交互元素,再用引用操作。支持导航(open、back、forward、reload、close);快照(snapshot、-i 仅交互元素、--json、-c 紧凑、-d 限制深度);交互(click、dblclick、fill、type、press、hover、check、uncheck、select、scroll、scrollintoview);信息读取(get text、html、value、attr、title、url、count);截图与 PDF(screenshot 支持 --full 与指定输出文件,pdf 输出 PDF);等待(wait 元素、毫秒或文本);语义定位(find role/text/label/placeholder);会话(--session 名称可并行运行多个浏览器,session list 列出活动会话)。导航或 DOM 变化后需重新快照。

使用示例要点:登录流程为 open 登录页、snapshot -i、用 fill 填邮箱与密码、click 登录、wait 后再次 snapshot 验证;表单填写可结合 fill、select、check 后 click 提交并截图确认。添加 --json 可获得结构化输出,包含 refs 与 snapshot 文本。加 --headed 可显示浏览器窗口用于调试。

与 Playwright MCP 的差异:agent-browser 为 Bash 命令接口、使用 @e1 引用、输出文本或 JSON、以会话实现并行,适合快速自动化;Playwright MCP 为 MCP 工具接口、引用为 e1、以工具响应输出、以标签页并行,适合深度 MCP 集成与复杂自动化。

限制:资料未提供收费、价格、平台支持范围、运行环境要求、许可与性能等具体信息,暂未提供。