用途:通过 exec 调用 agent-browser CLI 完成网页浏览任务,包括打开页面、读取内容、提取文本和与页面元素交互。
主要能力:默认引擎为 Lightpanda,速度快、内存占用低,但不支持截图和视觉渲染;复杂站点或需要截图时可回退 Chrome 引擎。支持打开页面、获取文本快照、仅获取交互元素、仅获取结构、按 CSS 选择器限定范围,以及点击、填写、输入、选择下拉项、按键、悬停、滚动等操作。
使用方式:先执行 agent-browser open <url> 打开页面,再用 agent-browser snapshot 读取全文;需要交互时用 snapshot -i 获取带 @e1 等引用的交互元素,然后执行 click、fill、type、select、press、hover、scroll 等命令,最后再次 snapshot 查看结果。导航支持 back、forward 和 open 新 URL。切换引擎用 --engine lightpanda 或 --engine chrome;截图仅 Chrome 引擎支持,可用 screenshot 或 screenshot --annotate。
适用场景:需要让智能体读取网页、提取正文、定位并操作按钮、链接、输入框等元素的自动化浏览任务。
限制:Lightpanda 无截图与视觉渲染;引用在多次 exec 调用间保持有效,因为守护进程持续运行;Google 及部分站点会拦截来自云 IP 的无头浏览器,返回空页面,此时应改用 web_search;若站点在 Lightpanda 下崩溃,可重试 --engine chrome。具体安装方式与收费信息暂未提供。