SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-15 21:09

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。

核心工作流为:用 agent-browser open <url> 打开页面,用 agent-browser snapshot -i 获取带引用(如 @e1、@e2)的交互元素,再用引用执行 click、fill、select 等操作;页面或 DOM 变化后需重新快照获取新引用。命令可用 && 串联,浏览器通过后台守护进程在命令间保持状态。

主要能力包括:导航与关闭、快照(可限定 CSS 选择器、包含光标交互元素)、交互(点击、填写、输入、选择、勾选、按键、滚动)、获取文本/URL/标题、等待(元素、网络空闲、URL 模式、毫秒)、下载、截图与 PDF、diff 对比页面状态、认证(Auth Vault 加密凭据、状态保存与加载)、会话持久化与并行会话、连接已有 Chrome、深色模式、可视化调试(有头模式、高亮、录屏、性能分析)、本地文件、iOS 模拟器(需 macOS、Xcode、Appium)、语义定位器、JavaScript eval 与配置文件。

安全功能均为可选:内容边界标记、域名允许列表、动作策略文件、输出上限。默认不限制导航、操作或输出。

限制与注意事项:引用在页面变化后失效,必须重新快照;慢页面建议显式等待;并发时使用命名会话并及时 close;iOS 模拟器需额外依赖。具体安装方式与收费信息暂未提供。