SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场agent-browser

agent-browser

智能体与模型

查看项目

更新于 10-15 10:54

技能介绍

用途

agent-browser 是一个面向 AI 智能体的浏览器自动化命令行工具（CLI）。当用户需要与网站交互时使用，包括导航页面、填写表单、点击按钮、截图等操作。

核心工作流

每次浏览器自动化都遵循以下模式：

  1. 导航：agent-browser open <url>
  2. 快照：agent-browser snapshot -i（获取元素引用，如 @e1、@e2）
  3. 交互：使用引用进行点击、填写、选择
  4. 重新快照：导航或 DOM 变化后，获取新的引用

示例：

agent-browser open https://example.com/form
agent-browser snapshot -i
# 输出：@e1 [input type="email"], @e2 [input type="password"], @e3 [button] "Submit"

agent-browser fill @e1 "user@example.com"
agent-browser fill @e2 "password123"
agent-browser click @e3
agent-browser wait --load networkidle
agent-browser snapshot -i  # 检查结果

主要能力（常用命令）

导航：

agent-browser open <url>              # 导航（别名：goto、navigate）
agent-browser close                   # 关闭浏览器

快照：

agent-browser snapshot -i             # 带引用的可交互元素（推荐）
agent-browser snapshot -i -C          # 包含光标可交互元素（带 onclick、cursor:pointer 的 div）
agent-browser snapshot -s "#selector" # 限定到 CSS 选择器范围

交互（使用快照中的 @refs）：

agent-browser click @e1               # 点击元素
agent-browser fill @e2 "text"         # 清空并输入文本
agent-browser type @e2 "text"         # 不清空直接输入
agent-browser select @e1 "option"     # 选择下拉选项
agent-browser check @e1               # 勾选复选框
agent-browser press Enter             # 按键
agent-browser scroll down 500         # 滚动页面

获取信息：

agent-browser get text @e1            # 获取元素文本
agent-browser get url                 # 获取当前 URL
agent-browser get title               # 获取页面标题

等待：

agent-browser wait @e1                # 等待元素
agent-browser wait --load networkidle # 等待网络空闲
agent-browser wait --url "**/page"    # 等待 URL 模式
agent-browser wait 2000               # 等待毫秒数

捕获：

agent-browser screenshot              # 截图到临时目录
agent-browser screenshot --full       # 整页截图
agent-browser pdf output.pdf          # 保存为 PDF

使用方式（常见模式）

表单提交：

agent-browser open https://example.com/signup
agent-browser snapshot -i
agent-browser fill @e1 "Jane Doe"
agent-browser fill @e2 "jane@example.com"
agent-browser select @e3 "California"
agent-browser check @e4
agent-browser click @e5
agent-browser wait --load networkidle

带状态持久化的认证：

# 登录一次并保存状态
agent-browser open https://app.example.com/login
agent-browser snapshot -i
agent-browser fill @e1 "$USERNAME"
agent-browser fill @e2 "$PASSWORD"
agent-browser click @e3
agent-browser wait --url "**/dashboard"
agent-browser state save auth.json

# 在后续会话中复用
agent-browser state load auth.json
agent-browser open https://app.example.com/dashboard

数据提取：

agent-browser open https://example.com/products
agent-browser snapshot -i
agent-browser get text @e5           # 获取特定元素文本
agent-browser get text body > page.txt  # 获取整页文本

# 用于解析的 JSON 输出
agent-browser snapshot -i --json
agent-browser get text @e1 --json

并行会话：

agent-browser --session site1 open https://site-a.com
agent-browser --session site2 open https://site-b.com

agent-browser --session site1 snapshot -i
agent-browser --session site2 snapshot -i

agent-browser session list

可视化浏览器（调试）：

agent-browser --headed open https://example.com
agent-browser highlight @e1          # 高亮元素
agent-browser record start demo.webm # 录制会话

本地文件（PDF、HTML）：

# 使用 file:// URL 打开本地文件
agent-browser --allow-file-access open file:///path/to/document.pdf
agent-browser --allow-file-access open file:///path/to/page.html
agent-browser screenshot output.png

iOS 模拟器（移动 Safari）：

# 列出可用的 iOS 模拟器
agent-browser device list

# 在特定设备上启动 Safari
agent-browser -p ios --device "iPhone 16 Pro" open https://example.com

# 与桌面端相同的工作流——快照、交互、重新快照
agent-browser -p ios snapshot -i
agent-browser -p ios tap @e1          # 点击（click 的别名）
agent-browser -p ios fill @e2 "text"
agent-browser -p ios swipe up         # 移动端专属手势

# 截图
agent-browser -p ios screenshot mobile.png

# 关闭会话（关闭模拟器）
agent-browser -p ios close

要求：macOS 与 Xcode、Appium（npm install -g appium && appium driver install xcuitest）。

真机：如果预先配置好，可与物理 iOS 设备配合使用。使用 --device "<UDID>"，其中 UDID 来自 xcrun xctrace list devices。

引用生命周期（重要）

引用（@e1、@e2 等）在页面变化时会失效。以下情况后务必重新快照：

  • 点击会导航的链接或按钮
  • 表单提交
  • 动态内容加载（下拉菜单、模态框）
agent-browser click @e5              # 导航到新页面
agent-browser snapshot -i            # 必须重新快照
agent-browser click @e1              # 使用新引用

语义定位器（引用的替代方案）

当引用不可用或不可靠时，使用语义定位器：

agent-browser find text "Sign In" click
agent-browser find label "Email" fill "user@test.com"
agent-browser find role button click --name "Submit"
agent-browser find placeholder "Search" type "query"
agent-browser find testid "submit-btn" click

深入文档

参考 使用场景
references/commands.md 包含所有选项的完整命令参考
references/snapshot-refs.md 引用生命周期、失效规则、故障排查
references/session-management.md 并行会话、状态持久化、并发抓取
references/authentication.md 登录流程、OAuth、2FA 处理、状态复用
references/video-recording.md 用于调试和文档的录制工作流
references/proxy-support.md 代理配置、地理测试、轮换代理

即用模板

模板 描述
templates/form-automation.sh 带验证的表单填写
templates/authenticated-session.sh 登录一次，复用状态
templates/capture-workflow.sh 带截图的内容提取 
./templates/form-automation.sh https://example.com/form
./templates/authenticated-session.sh https://app.example.com/login
./templates/capture-workflow.sh https://example.com ./output

适用场景

  • AI 智能体需要与网站交互：导航、填表、点击、截图
  • 表单自动化提交
  • 需要登录状态持久化的认证流程
  • 网页数据提取（文本、JSON 输出）
  • 多站点并行会话操作
  • 可视化调试与录制
  • 本地 PDF/HTML 文件访问
  • iOS 模拟器或真机上的移动 Safari 自动化

限制

  • iOS 模拟器功能要求 macOS 与 Xcode，并需安装 Appium（npm install -g appium && appium driver install xcuitest）
  • 真机使用需预先配置，并通过 xcrun xctrace list devices 获取 UDID
  • 引用（@e1 等）在页面变化后失效，必须重新快照
  • 关于收费、价格、平台支持范围等更多信息，资料中暂未提供