agent-browser 是来自 freekmurze/dotfiles 的命令行浏览器自动化工具,用于网页测试、表单填写、截图、PDF 生成、视频录制与数据提取。
主要能力:提供 open/back/forward/reload 等导航命令;snapshot 输出无障碍树或仅交互元素,并返回 @e1、@e2 等引用;用 click、dblclick、fill、type、press、hover、check、select、scroll、drag、upload 等按引用操作元素;get 可读取文本、HTML、值、属性、标题、URL、元素数量、边框与样式;is 判断可见、可用、勾选状态。还支持截图、全页截图、导出 PDF、录制 webm 视频、等待元素/文本/URL/网络空闲/JS 条件、鼠标控制,以及 find 语义定位(role、text、label、placeholder、alt、title、testid、first、last、nth)。
必要用法:典型流程为 agent-browser open <url>、agent-browser snapshot -i、再对 @ref 执行 click/fill 等,导航或 DOM 大幅变化后需重新 snapshot。加 --json 可获得可解析的机器输出;--session 可开隔离会话;--headed 显示窗口;--cdp 或 connect 9222 可连接 CDP;state save/load 保存并复用登录状态以跨会话保持登录。
适用场景:网页测试与回归、表单自动提交、截图与内容抓取、认证流程复用、并行会话抓取、代理与地域测试、调试(console、errors、highlight、trace)。
限制:需已安装可用的浏览器环境;元素引用会随 DOM 变化失效,必须重新获取;部分能力(如验证码、2FA、特定站点风控)资料未提供处理细节;收费、价格、平台支持范围与安装命令资料暂未提供。