SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-15 20:14

技能介绍

用途:agent-browser 是 Vercel Labs 提供的外部浏览器自动化工具,用于网页导航、交互操作、表单填写、截图、PDF 导出、视频录制与数据提取,适合端到端测试和 UI 测试工作流。它不随 Archon 捆绑,需单独安装,属于可选依赖,Archon 核心功能不依赖它。

安装:全局安装 npm install -g agent-browser,随后执行 agent-browser install 下载浏览器引擎(Chrome for Testing)。Docker 镜像已内置,无需操作;Windows 存在 Unix domain socket 已知问题,可用 WSL 规避;macOS/Linux 安装后可直接使用。

主要能力:支持导航(open、back、forward、reload、close)、快照分析(snapshot,可仅取交互元素、限制深度、按 CSS 选择器限定范围)、交互(click、fill、type、press、hover、check、select、scroll、drag、upload 等,使用快照返回的 @e1 等引用)、信息获取(text、html、value、attr、title、url、count、box)、状态检查、截图与 PDF、视频录制、等待条件、鼠标控制、语义定位(find role/text/label 等)、浏览器设置(视口、设备、地理位置、离线、请求头、凭据、媒体)、Cookie 与本地存储、网络拦截与请求查看、标签页与窗口、iframe、对话框、JavaScript 执行。

使用方式:典型流程为 open 打开页面,snapshot -i 获取带引用的交互元素,再用引用执行交互,导航或 DOM 变化后需重新快照。支持 --json 输出便于解析,--session 可并行运行多个浏览器会话,state save/load 可保存与复用登录状态。调试可用 --headed 显示窗口、console 与 errors 查看日志、record 录制、trace 记录、--cdp 连接。

限制:Windows 原生存在已知问题,建议 WSL;作为可选依赖,仅 E2E/UI 测试相关技能需要;具体收费、价格与平台支持范围资料未提供。