用途:agent-browser 是供 AI 智能体使用的浏览器自动化命令行工具,用于与网站交互,如打开页面、填表、点击、截图、提取数据与检查网络请求。
安装与连接:若未安装可执行 npm install -g agent-browser;设置 export AGENT_BROWSER_AUTO_CONNECT=1 后命令会自动连接已在 9222 端口开启远程调试的 Chrome,无需再运行 install 或启动浏览器。自动连接失败时可用 agent-browser --cdp 9222 <command> 显式指定 CDP 端口。
核心流程:open 打开 URL,snapshot -i 获取带 @e1 等引用的可交互元素,再用引用执行 click、fill、select、check 等操作;页面导航或 DOM 变化后需重新 snapshot 获取新引用。命令可用 && 串联,浏览器通过后台守护进程在命令间保持状态。
主要能力:支持等待(元素、网络空闲、URL、文本、毫秒)、下载、网络请求查看与拦截、HAR 录制、视口与设备模拟、截图与 PDF、剪贴板、对话框处理、页面状态 diff、批量执行(batch --json)、iframe 内元素直接交互、并行会话、深色模式与本地文件打开。
认证方式:可从用户浏览器导入状态、使用持久化 profile、会话名自动保存恢复、加密凭据库(auth save/login)或手动 state save/load。状态文件含明文令牌,应加入 .gitignore 并及时删除,可用 AGENT_BROWSER_ENCRYPTION_KEY 加密。
安全与限制:安全功能默认关闭,可选内容边界标记、域名允许列表、动作策略文件与输出上限。资料未提供收费、价格、平台支持范围与效果保证等信息。