SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-15 20:29

技能介绍

用途:agent-browser 是面向 AI 智能体的浏览器自动化命令行工具,适合需要与网站交互的场景,如打开页面、填写表单、点击按钮、截图、下载文件、提取页面文本等。

安装:npm i -g agent-browser、brew install agent-browser 或 cargo install agent-browser,随后运行 agent-browser install 下载 Chrome。工具通过 CDP 直接使用 Chrome/Chromium。

核心用法:通常先 agent-browser open <url> 打开页面,再用 agent-browser snapshot -i 获取如 @e1、@e2 的元素引用,然后使用这些引用执行 click、fill、select、check、press 等操作;页面导航或 DOM 变化后需重新快照。命令可用 && 链式执行,浏览器通过后台守护进程在命令间保持。

主要能力:支持导航、快照、点击、填充、输入、选择、勾选、键盘操作、滚动、获取文本/URL/标题、多种等待策略、下载、视口与设备模拟、截图与 PDF、剪贴板、页面差异对比、并行会话、连接已有 Chrome,以及 iOS 模拟器上的移动 Safari 操作。输出可用 --json 便于解析。

认证方式:可从用户浏览器导入状态、使用持久化 profile、按会话名自动保存恢复、使用加密的 auth vault,或手动保存/加载状态文件。状态文件含明文令牌,应加入 .gitignore 并及时删除;可通过 AGENT_BROWSER_ENCRYPTION_KEY 加密存储。

安全与限制:所有安全功能默认关闭,不限制导航、操作或输出。可选启用内容边界标记、域名允许列表、动作策略与输出上限。默认超时 25 秒,可通过 AGENT_BROWSER_DEFAULT_TIMEOUT 调整。慢页面建议使用显式等待。iOS 模拟器需 macOS、Xcode 与 Appium。更多 OAuth、2FA、cookie 与令牌刷新细节见项目 references/authentication.md。具体收费、价格与效果数据暂未提供。