SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-15 20:13

技能介绍

agent-browser 是面向 AI 智能体的浏览器自动化 CLI,用于让智能体与网站交互,例如导航页面、填写表单、点击按钮、截图和提取数据。

核心工作流:先用 agent-browser open <url> 打开页面,再用 agent-browser snapshot -i 获取带引用(如 @e1、@e2)的交互元素,随后用引用执行点击、填写、选择等操作;页面导航或 DOM 变化后必须重新快照以获取新引用。

主要能力:导航(open、close,别名 goto、navigate);快照(snapshot -i,可用 -s 限定 CSS 选择器);交互(click、fill、type、select、check、press、scroll);信息获取(get text、get url、get title);等待(wait 元素、--load networkidle、--url 模式、毫秒数);捕获(screenshot、--full、pdf)。

常用模式:表单提交、带状态持久化的登录(state save/load auth.json)、数据提取(get text,支持 --json 输出)、并行会话(--session)、可视化调试(--headed、highlight、record start)。

iOS 模拟器:通过 -p ios --device 使用,支持 tap、fill、swipe、screenshot,需 macOS 与 Xcode、Appium(npm install -g appium && appium driver install xcuitest);也可用 --device "<UDID>" 连接预配置的真机。

引用生命周期:@e1 等引用在页面变化后失效,点击导航链接、提交表单、动态内容加载后都应重新快照。引用不可靠时可改用语义定位:find text、find label、find role、find placeholder、find testid。

限制:资料未提供安装方式、收费、价格与平台支持范围等细节,暂未提供。