SuperAPI AI 工具集

Agent Browser

智能体与模型

查看项目

更新于 10-15 19:58

技能介绍

用途:Agent Browser 是面向 AI 智能体的无头浏览器自动化命令行工具,基于 Rust 实现并带 Node.js 回退,用结构化命令驱动浏览器完成导航、交互与页面信息提取。

主要能力:支持打开/后退/前进/刷新等导航;点击、双击、聚焦、输入、填充、清空、按键、悬停、下拉选择、勾选、拖拽、上传等交互;通过 snapshot 获取页面结构,并用 get 读取文本、HTML、值、属性、标题、URL、数量、位置,以及截图和导出 PDF;还提供元素状态检查、按 role/text/label/placeholder/alt/title/testid 查找元素、等待、滚动、执行 JS、鼠标移动、Cookie 与本地存储、标签页与 iframe、对话框处理等。

使用方式:推荐用 npm 安装:npm install -g agent-browser,然后执行 agent-browser install(可加 --with-deps)。也可从源码构建:git clone https://github.com/vercel-labs/agent-browser,进入目录后 pnpm install、pnpm build、agent-browser install。典型流程为 open 打开页面、snapshot 观察、用 @ref 引用元素执行 click/fill 等操作、再 snapshot 验证。需要登录态时可连接真实 Chrome 的 CDP(--cdp 9222)或使用 --session 持久化会话。--json 输出机器可读结果,--headed 显示窗口便于调试。

适用场景:适合让 AI 智能体自动浏览网页、填写表单、抓取页面信息、执行端到端网页操作,以及需要复用已登录会话(如 OAuth)的自动化任务。

限制:资料未提供性能数据、收费与价格、平台支持范围等细节;refs 在页面加载期间稳定但导航后会变化,导航后需重新 snapshot;元素找不到时应先用 snapshot 确认引用;页面未加载完可加 wait;Linux ARM64 上若命令找不到需使用 bin 目录中的完整路径。