用途:让 AI 智能体在真实(非无头)Chrome 会话中自动化操作网页,保留用户登录状态与 Cookie,适合需要已认证会话的任务。与 Selenium/Playwright 不同,它作用于现有 Chrome 会话而非独立无头浏览器。
主要能力:标签页管理(tabs、switch、open、close、active);页面内容提取(scan、--text-only、--full、--screenshot);执行 JavaScript(exec,支持 --monitor 检测变化、多行、指定标签);截图(screenshot,可指定输出文件与标签);Cookie 管理(cookies、--domain、--set);底层可经 JavaScript 调用 CDP 命令。所有命令返回 JSON。
安装:npm install -g @sleepinsummer/agent-browser-cli;或从源码构建(git clone 后 cargo build --release)。必须加载 Chrome 扩展:从 release 下载 chrome-extensions.zip,解压,在 chrome://extensions 开启开发者模式,加载解压后的 tmwd_cdp_bridge 目录,并保持至少一个普通网页标签打开。
架构:作为守护进程运行,监听 18765 端口接收扩展 WebSocket,18767 端口接收 CLI HTTP 调用,保持持久连接。简单读写约 40-120ms,DOM 查询约 270-360ms,页面监控约 720-880ms。
常见用法:agent-browser-cli start/stop/restart/status;exec 'return document.title';scan --text-only;screenshot --output 路径;cookies --domain 域名。可先用 tabs 查状态,再 open/switch,scan 取内容,exec --monitor 执行动作,最后 scan 或 screenshot 验证。
限制:扩展与端口配置必需,否则无法连接;需打开普通网页标签;端口冲突可 set-extension-port 修改并同步扩展弹窗;WSL 2 需 mirrored 网络;配置在 ~/.agent-browser-cli/config.json,日志在 ~/.agent-browser-cli.log。资料未提供收费、价格或平台支持细节。