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,适用于网页测试、表单填写、截图和数据提取等场景。
安装:npm install -g agent-browser,随后执行 agent-browser install 下载 Chromium。
核心工作流:先用 agent-browser open <url> 打开页面,再用 agent-browser snapshot -i 获取带引用(如 @e1、@e2)的交互元素,然后基于这些引用执行点击、填写等操作;页面导航或 DOM 明显变化后需重新快照。
主要能力:导航(open、back、forward、reload、close);快照分析(snapshot 全量无障碍树、-i 仅交互元素、-c 紧凑、-d 限制深度);交互(click、dblclick、fill、type、select、check、uncheck、hover、focus、press、scroll);截图与媒体(screenshot 整页或元素、pdf);数据获取(get text/value/attr/html、eval 执行 JavaScript);等待(wait --load networkidle、--url、--text、元素出现或隐藏);会话(--session 并行浏览器、session list);认证状态(state save/load 保存与恢复 cookies 和存储)。
选择器:引用不可用时可用 CSS 选择器或语义查找,如 find role button click --name "Submit"、find text "Sign In" click、find label "Email" fill。
输出与调试:加 --json 获得机器可读输出;--headed 显示浏览器窗口;console 与 errors 查看控制台消息和页面错误。
限制:资料未提供收费、价格、平台兼容性、性能指标及具体效果说明;使用前需安装 Chromium,交互依赖快照引用,页面更新后引用会变化,需重新快照。