用途:自动化基于 Electron 的桌面应用。Electron 应用基于 Chromium,会暴露 Chrome DevTools Protocol(CDP)端口,agent-browser 可连接该端口,从而复用网页的快照—交互流程。
主要能力:连接运行中的 Electron 应用后,可执行 snapshot 快照发现交互元素、click 点击、screenshot 截图、get text 提取数据、fill 填表、press 按键、wait 等待等操作,并支持导航或状态变化后重新快照。支持标签/窗口与 webview 管理、多应用并行会话、截图注释与全页截图、指定颜色方案。
使用方式:先带远程调试参数启动应用,例如 macOS 上 open -a "Slack" --args --remote-debugging-port=9222;再执行 agent-browser connect 9222;随后使用 agent-browser snapshot -i、agent-browser click @e5、agent-browser screenshot slack-desktop.png 等命令。也可在每条命令加 --cdp 9222,或用 --auto-connect 自动发现正在运行的 Chromium 类应用。多应用可用 --session slack connect 9222 命名会话区分。
适用场景:通信类(Slack、Discord、Teams、Signal、Telegram)、开发类(VS Code、GitHub Desktop、Postman、Insomnia)、设计类(Figma、Notion、Obsidian)、媒体类(Spotify、Tidal)、效率类(Todoist、Linear、1Password)等任何 Electron 应用。
限制:应用必须在启动时带有 --remote-debugging-port 参数,若已在运行需先退出再重启;启动后可能需等待数秒再连接;部分应用使用多个 webview,需用 tab 命令切换目标;部分自定义输入组件可能需要 keyboard type 或 keyboard inserttext 绕过按键事件;默认配色可能为浅色,需显式指定深色。具体平台命令与排错项以原资料为准。