agent-browser 是一个面向 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、截图等。
核心工作流为:先 open 导航到目标 URL,再用 snapshot -i 获取带引用(如 @e1)的交互元素,随后用这些引用执行 click、fill、select 等操作,页面变化后需重新 snapshot 获取新引用。
主要能力:导航(open、close)、快照(snapshot -i,可用 -C 纳入 cursor 交互元素,-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、networkidle、URL 模式、函数、毫秒)、捕获(screenshot、--full、pdf)。还支持语义定位(find text/label/role/placeholder/testid)、eval 执行 JavaScript,以及 --json 输出、并行会话、连接已有 Chrome、有头调试、local file:// 文件、iOS 模拟器与真机。
状态与会话:可用 state save/load 保存登录状态,--session-name 自动持久化 cookie 与 localStorage,支持加密密钥、state list/show/clear/clean 管理。并发场景应使用命名会话并在结束时 close,避免进程泄漏。
限制与注意:引用在页面变化后失效,必须重新快照;慢页面应显式等待,Playwright 默认本地浏览器超时为 60 秒;复杂 eval 建议用 --stdin 或 -b 避免 shell 转义问题;iOS 需 macOS、Xcode 与 Appium。官方资料未提供收费、价格或效果信息。