SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-16 02:39

技能介绍

agent-browser 是面向 AI 智能体的浏览器自动化 CLI。核心流程为:导航、快照获取元素引用(如 @e1)、再交互、页面变化后重新快照。

用途:让智能体与网站交互,包括打开页面、填表、点击按钮、抓取信息、截图或导出 PDF。

主要能力:open/close 导航;snapshot -i 获取交互元素引用,可加 -s 限定 CSS 选择器;click、fill、type、select、check、press、scroll 交互;get text/url/title 读取信息;wait 支持元素、网络空闲、URL 模式和毫秒;screenshot、pdf 捕获;state save/load 持久化登录状态;--session 并行会话;--headed 可视化调试、highlight、record 录屏。

用法示例:agent-browser open https://example.com/form、agent-browser snapshot -i、agent-browser fill @e1 "user@example.com"、agent-browser click @e3、agent-browser wait --load networkidle。也可用语义定位:find text、find label、find role、find placeholder、find testid。

适用场景:表单提交、带状态持久化的登录、数据提取、并行多站操作、移动端 Safari 调试。

限制:页面变化会使引用失效,必须重新快照。iOS 模拟器需 macOS 配 Xcode 与 Appium(npm install -g appium && appium driver install xcuitest),真机需预先配置并用 --device "<UDID>"。其余文档见 references/commands.md、snapshot-refs.md、session-management.md、authentication.md、video-recording.md、proxy-support.md,模板见 templates 目录。价格、具体平台与效果资料暂未提供。