SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-15 18:31

技能介绍

用途:agent-browser 是面向 AI 智能体的浏览器自动化 CLI,当需要与网站交互(导航页面、填表、点击按钮、截图、提取数据)时使用。核心流程为:open 导航、snapshot -i 获取元素引用(如 @e1、@e2)、用引用交互、页面变化后重新 snapshot。命令可通过 && 链式调用,浏览器在后台常驻,链式比分开调用更高效。

主要能力:导航(open/close,别名 goto、navigate);快照(snapshot -i、-i -C 含光标交互元素、-s 限定选择器);交互(click、fill、type、select、check、press、keyboard、scroll);获取信息(get text/url/title);等待(wait 元素、--load networkidle、--url、--fn、毫秒);下载;截图与 PDF(--full、--annotate、pdf);diff(snapshot、screenshot、url 对比);认证(auth vault 加密凭据、state 保存/加载、--session-name 自动持久化);数据提取(含 --json);并行会话;连接已运行 Chrome(--auto-connect、--cdp);深色模式;可视化调试(--headed、highlight、record、profiler);本地文件(--allow-file-access);iOS 模拟器(-p ios,需 macOS、Xcode 与 Appium)。

必要用法示例:agent-browser open <url>;agent-browser snapshot -i;agent-browser fill @e1 "user@example.com";agent-browser click @e3;agent-browser wait --load networkidle。复杂 JavaScript 建议用 eval --stdin 或 -b 避免 shell 转义问题。可在项目根创建 agent-browser.json 配置。

限制与注意:安全功能默认关闭,均为可选,包括 --content-boundaries、域白名单、动作策略、输出上限。引用 @eN 在页面变化后失效,需重新快照。默认 Playwright 超时 25 秒,可用 AGENT_BROWSER_DEFAULT_TIMEOUT 覆盖。并发时应使用命名会话并在完成后 close,避免进程泄漏。iOS 与真机支持需预先配置。