用途:为 AI 智能体提供无头浏览器自动化能力,用于导航网站、与元素交互、截图和提取数据。
主要能力:通过 agent-browser CLI 打开网址、获取页面快照、点击与填写元素、按键、后退、截图、读取文本,并支持会话与等待条件。核心工作流依赖快照与 refs:不是猜测 CSS 选择器,而是获取页面快照,其中每个可交互元素都带有唯一引用(如 @e1、@e2)。
基本使用方式: 导航:agent-browser open <url> 分析:agent-browser snapshot -i(获取带 refs 的交互元素) 交互:agent-browser click @e1 或 agent-browser fill @e2 "text" 重复:每次交互后重新获取快照,以查看更新后的状态。
常用命令: 打开网址:agent-browser open google.com 获取快照:agent-browser snapshot -i(仅交互元素,推荐) 点击:agent-browser click @e1 输入/填写:agent-browser fill @e2 "search term" 按键:agent-browser press Enter 后退:agent-browser back 截图:agent-browser screenshot page.png 读取文本:agent-browser get text @e1
高级用法: 会话:agent-browser --session my-session open ...(单独保留 cookies/状态) 等待:agent-browser wait --text "Success" 帮助:agent-browser --help
使用建议:始终先获取快照,再点击或输入,以确保 refs 有效;使用 -i 标志过滤交互元素、减少噪音;CLI 返回 JSON 或文本,应读取输出确认操作是否成功。
限制:资料未提供平台支持、安装方式、收费模式及具体性能或兼容性说明。