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

agent-browser 是面向 AI 智能体的浏览器自动化命令行工具,适合需要让智能体与网站交互的场景。

核心工作流:先用 agent-browser open <url> 打开页面,再用 agent-browser snapshot -i 获取交互元素引用(如 @e1、@e2),随后用这些引用执行 click、fill、select 等交互,并在页面导航或 DOM 变化后重新快照以获取新引用。

主要能力:支持表单填写、点击、选择下拉、勾选复选框、按键、滚动、获取文本/URL/标题、等待元素或网络空闲、截图、导出 PDF,以及获取 JSON 格式输出便于解析。支持命名会话与状态持久化(如 state save/load、--session-name 自动保存恢复),可并行运行多个会话,连接已开启远程调试的 Chrome,使用有头模式进行调试,运行 JavaScript 求值(复杂表达式建议用 --stdin 或 -b 避免 shell 转义问题),并可通过配置文件 agent-browser.json 设置持久选项。还提供 iOS 模拟器(需 macOS、Xcode 与 Appium)操作支持。

使用限制与注意事项:引用在页面变化后失效,必须重新快照;并发自动化应使用命名会话并在完成后关闭,避免进程泄漏;慢速页面建议显式等待;复杂 JavaScript 建议使用 --stdin 或 -b 绕过 shell 解析。安装方式、收费与价格信息资料中暂未提供。