用途:agent-browser 是面向 AI 智能体的浏览器自动化命令行工具,用于与网站交互,包括导航页面、填写表单、点击按钮、截图与提取数据。
主要能力:核心工作流为导航、快照、交互、重新快照:agent-browser open <url>,agent-browser snapshot -i 生成元素引用(如 @e1、@e2),再用引用执行 click、fill、select、check、press 等操作;页面或 DOM 变化后需重新快照。支持命令链(&&)与后台守护进程保持浏览器状态。还提供等待(wait --load networkidle、wait --url、wait @e1、wait 毫秒)、下载、截图与 PDF、diff 快照与截图、状态保存与加载、命名会话持久化、并行会话、连接已有 Chrome(--auto-connect 或 --cdp)、深色模式、可视化调试(--headed、highlight、record、profiler)、本地文件与 iOS 模拟器。认证可用 Auth Vault(agent-browser auth save/login/list/show/delete)或 state save/load。安全特性均为选择启用,包括内容边界、域名允许列表、动作策略和输出上限。
使用方式:安装与具体安装命令资料暂未提供;使用示例命令如 agent-browser open https://example.com && agent-browser wait --load networkidle && agent-browser snapshot -i。可读取输出时分开执行命令,否则用 && 串联。可用语义定位(find text/label/role/placeholder/testid)或 eval 执行 JavaScript,复杂表达式建议用 --stdin 或 -b 避免 shell 转义问题。配置可通过 agent-browser.json、环境变量或 CLI 标志。
适用场景:适合智能体驱动的网页操作、表单提交、登录流程、数据提取、并行任务、视觉验证与回归对比、移动端 Safari 调试。
限制:所有安全限制默认关闭,需自行启用;引用在页面变化后失效,必须重新快照;每次运行多个自动化时应使用命名会话并及时 close,避免进程泄漏;复杂 JS 需注意 shell 引号与转义。iOS 模拟器需要 macOS 与 Xcode、Appium。价格、收费、支持平台详情及安装命令资料暂未提供。