SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-16 06:44

技能介绍

用途:agent-browser 是面向 AI 代理的浏览器自动化命令行工具,适用于需要与网站交互的任务,如打开网站、填写表单、点击按钮、截屏、抓取页面数据、测试 Web 应用、登录网站等。

主要能力:支持导航(open/goto/navigate)、快照(snapshot -i 获取 @e1 等元素引用)、交互(click、fill、type、select、check、press、scroll)、信息获取(get text/url/title)、等待(wait 元素、networkidle、URL 模式、毫秒)、捕获(screenshot、--full、--annotate、pdf)、页面状态对比(diff snapshot/screenshot/url)、状态持久化(state save/load)、命名会话、并行会话、连接已有 Chrome(--auto-connect、--cdp)、可视化调试(--headed、highlight、record、profiler)、本地文件(--allow-file-access)、iOS 模拟器(-p ios)以及 JavaScript 求值(eval)。

使用方式:典型流程为 open 导航、snapshot -i 获取引用、用引用交互、页面变化后重新 snapshot。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。复杂 JS 建议用 eval --stdin 或 eval -b 避免 shell 转义问题。可在项目根目录创建 agent-browser.json 配置,优先级为全局配置 < 项目配置 < 环境变量 < CLI 参数。

适用场景:表单提交、带状态持久化的登录认证、数据提取、并行会话、视觉回归测试、慢页面等待、移动端 Safari 测试等。

限制:引用(@e1 等)在页面变化后失效,必须重新快照;默认 Playwright 本地浏览器超时为 60 秒;iOS 模拟器需 macOS、Xcode 与 Appium;并发运行时应使用命名会话并及时 close 以避免进程泄漏。具体安装方式、收费与平台支持资料暂未提供。