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 CLI,用于导航页面、填写表单、点击、截图、内容提取、网页测试、登录流程及脚本化网页交互。

主要能力:核心工作流为 open 打开页面、snapshot -i 获取元素引用(如 @e1、@e2)、用引用进行 click/fill/select 等交互,页面变化后需重新 snapshot。支持命令链式调用(&&),浏览器通过后台守护进程在命令间保持。提供导航、快照、交互、信息获取、等待、截图/PDF、diff 对比等命令。

使用方式:常用命令包括 agent-browser open <url>、agent-browser snapshot -i、agent-browser fill @e1 "text"、agent-browser click @e1、agent-browser wait --load networkidle、agent-browser screenshot 等。支持命名会话并行、状态保存与加载(state save/load)、自动会话持久化、连接已有 Chrome(--auto-connect 或 --cdp)、本地文件(--allow-file-access)、iOS 模拟器(-p ios,需 macOS、Xcode、Appium)以及可视化调试(--headed、highlight、record、profiler)。

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、视觉回归与页面状态对比、慢页面等待处理等。

限制:引用(@e1 等)在页面变化后失效,必须重新快照;默认 Playwright 超时 60 秒,慢页面建议显式等待;iOS 模拟器需 macOS 与 Xcode、Appium 环境;并发运行时应使用命名会话并及时 close 以避免进程泄漏。具体安装方式与收费信息暂未提供。