用途:通过命令行工具 agent-browser 直接经由 CDP 控制 Chrome/Chromium,实现网页打开、元素点击、表单填写、截图、内容提取与下载等浏览器自动化,供 AI 智能体或脚本调用。
安装与更新: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;用 agent-browser upgrade 更新。
核心工作流:先 agent-browser open <url> 导航,再用 agent-browser snapshot -i 获取元素引用(如 @e1、@e2),随后用引用执行点击、填写、选择等交互;页面跳转或 DOM 变化后需重新 snapshot 获取新引用。
主要能力:导航、快照、点击/填写/输入/选择/勾选、按键、滚动、获取文本与 URL、多种等待条件、下载、视口与设备模拟、浏览器设置(UA、时区、语言、Cookie、localStorage、地理位置、离线)、截图与 PDF、剪贴板、页面与截图 diff、WebSocket 流式传输。
效率用法:命令可用 && 串联,后台守护进程使浏览器在命令间保持状态;agent-browser batch 可在单次调用中批量执行,支持 --bail 遇错停止和 --json 的 stdin 模式。
自然语言模式:agent-browser chat "go to example.com and screenshot the homepage" 为单次执行,直接 agent-browser chat 进入交互式 REPL。
认证:快速任务可用 --auto-connect 连接用户已运行的 Chrome,或用 --profile 使用持久配置;重复自动化可用 auth vault 或会话名保存凭据,也可 state save/load 保存与复用状态文件。
超时:默认 25 秒,可用环境变量 AGENT_BROWSER_DEFAULT_TIMEOUT(毫秒)覆盖;慢页面建议 open 后 wait --load networkidle 或等待具体元素。
安全限制:默认不施加任何限制;AI 智能体工作流可考虑启用内容边界、域名白名单与动作策略等配置。
适用场景:网页表单提交、数据提取、登录会话复用、视觉调试、响应式测试等。若需求涉及用户已登录的实时 Chrome 会话、DevTools 当前选中元素,或控制台/网络/Lighthouse/性能/内存排查,官方建议改用 chrome-devtools-mcp。具体参考文档与模板文件(如 references/commands.md、templates/form-automation.sh)的细节本资料未全部展开。