SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-15 17:29

技能介绍

用途:agent-browser 是一个浏览器自动化 CLI,面向 AI 智能体使用。当需要与网站交互(导航页面、填写表单、点击按钮、截图等)时使用。它通过 CDP 直接驱动 Chrome/Chromium。

安装:可用 npm i -g agent-browser、brew install agent-browser 或 cargo install agent-browser 安装;运行 agent-browser install 下载 Chrome。

核心工作流:先用 agent-browser open <url> 导航,再用 agent-browser snapshot -i 获取带引用(如 @e1、@e2)的交互元素,然后用引用执行 click、fill、select 等交互,页面导航或 DOM 变化后需重新 snapshot 获取新引用。命令可用 && 串联,浏览器通过后台守护进程在命令间保持状态。

主要能力:支持导航(open/close)、快照(snapshot -i,可选 -C、-s)、交互(click、fill、type、select、check、press、keyboard、scroll)、信息获取(get text/url/title/cdp-url)、等待(元素、网络空闲、URL 模式、毫秒、文本出现/消失)、下载、视口与设备模拟、截图/PDF、剪贴板、diff 比较及并行会话等。

认证方式:提供多种方案,包括从用户浏览器导入认证状态(--auto-connect)、持久化 profile(--profile)、会话名自动保存恢复(--session-name)、加密凭据库(auth save/login,密码可经 stdin 传入)、状态文件手动保存加载。状态文件含明文会话令牌,应加入 .gitignore 并及时删除;可设置 AGENT_BROWSER_ENCRYPTION_KEY 加密。

限制与安全:所有安全功能均为可选,默认不限制导航、动作或输出。可启用内容边界(--content-boundaries)、域名允许列表(AGENT_BROWSER_ALLOWED_DOMAINS)、动作策略文件(AGENT_BROWSER_ACTION_POLICY)、输出上限(AGENT_BROWSER_MAX_OUTPUT)。默认超时 25 秒,可用 AGENT_BROWSER_DEFAULT_TIMEOUT 覆盖。iOS 模拟器支持需 macOS、Xcode 与 Appium。更多 OAuth、2FA、cookie 认证与令牌刷新模式见参考资料。