用途:agent-browser 是专为 AI 智能体工作流设计的无头浏览器自动化命令行工具,可自动执行网页交互,如填写表单、点击、导航,也用于内容抓取、Web 应用程序化测试、截图与 PDF 生成、页面状态监控。
主要能力:采用确定性元素引用 @e1、@e2 等,来自无障碍树快照,便于 LLM 稳定推理与定位;提供会话隔离以支持并行浏览器实例;支持 JSON 输出便于程序解析;支持 CDP 连接已有浏览器实例;支持网络拦截、自定义请求头、加载扩展、视频录制等。
使用方式:需 Node.js >= 18 或 Bun 运行环境,并通过 agent-browser install 下载 Chromium,Linux 可用 agent-browser install --with-deps;安装命令为 bun install -g agent-browser,验证用 agent-browser --version。典型流程为 agent-browser open 打开页面,agent-browser snapshot -i --json 获取交互元素引用,再用 agent-browser click @e2、fill @e3 "..."、press、hover、select、scroll、wait 等命令交互,用 get text/html/value/url/title、is visible 等检查状态,用 screenshot、pdf 产出文件;find 支持按 role、text、label、placeholder 定位元素;用 --session 管理隔离会话,session list/kill 管理生命周期。
适用场景:抓取网页内容、自动化表单提交、程序化测试、多智能体并行隔离浏览器任务、截图与 PDF 存档、页面状态变更监控。
限制:资料提示常见坑包括浏览器未安装、元素引用在 DOM 更新后失效需重新快照、会话或端口冲突、隐藏元素无法交互、超时、快照为空、表单填入不完整、网络请求失败、浏览器崩溃、引用歧义等,并给出对应排查方法;具体收费、平台支持范围等信息资料未明确提供。