SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场agent-browser-2

agent-browser-2

智能体与模型

查看项目

更新于 10-16 02:05

技能介绍

用途

agent-browser 是一个专注于无头浏览器自动化的 CLI 工具，专为 AI 智能体的工作流设计。它采用可访问性树快照配合 ref（引用标识）的方式，实现确定性的元素选择，适合需要稳定、可预测元素定位的自动化任务。

根据资料，在以下情况建议使用本工具：自动化多步工作流、需要确定性元素选择、对性能有要求、处理复杂单页应用（SPA）、需要会话隔离。而需要截图/PDF 用于分析、需要视觉检查、需要浏览器扩展集成时，建议使用内置浏览器工具。

主要能力

  • 导航：open、back、forward、reload、close
  • 快照：snapshot，建议始终使用 -i --json；支持 -c（紧凑）、-d（深度限制）、-s（范围限定到选择器）
  • 交互（基于 ref）：click、fill、type、hover、check / uncheck、select、press、scroll、drag
  • 信息获取：get text / html / value / attr / title / url / count
  • 状态检查：is visible / enabled / checked
  • 等待：等待元素、等待毫秒、等待文本、等待 URL、等待网络（networkidle）、等待自定义函数
  • 会话：通过 --session 或环境变量 AGENT_BROWSER_SESSION 实现隔离浏览器；session list 查看列表
  • 状态持久化：state save / load，可保存/加载 cookie 与 storage 以跳过登录
  • 截图与 PDF：screenshot、screenshot --full、pdf
  • 网络控制：network route 拦截、终止或模拟响应；network requests 查看请求
  • Cookie 与存储：cookies 获取/设置，storage local 获取/设置
  • 标签页与框架：tab new、tab 切换、frame 切换、frame main 返回主框架

使用方式

核心工作流为：先导航并生成快照，从 JSON 中解析 refs，然后执行交互，页面变化后重新生成快照。

# 1. Navigate and snapshot
agent-browser open https://example.com
agent-browser snapshot -i --json

# 2. Parse refs from JSON, then interact
agent-browser click @e2
agent-browser fill @e3 "text"

# 3. Re-snapshot after page changes
agent-browser snapshot -i --json

快照输出格式为 JSON，其中 refs 映射 e1、e2、e3 等标识到元素的 role 与 name。

最佳实践：始终使用 -i 聚焦交互元素；始终使用 --json 便于解析；通过 agent-browser wait --load networkidle 等待稳定性；用 state save/load 跳过登录；用会话隔离不同浏览器上下文；用 --headed 进行调试。

示例（搜索并提取）：

agent-browser open https://www.google.com
agent-browser snapshot -i --json
# AI identifies search box @e1
agent-browser fill @e1 "AI agents"
agent-browser press Enter
agent-browser wait --load networkidle
agent-browser snapshot -i --json
# AI identifies result refs
agent-browser get text @e3 --json
agent-browser get attr @e4 "href" --json

示例（多会话测试）：

# Admin session
agent-browser --session admin open app.com
agent-browser --session admin state load admin-auth.json
agent-browser --session admin snapshot -i --json

# User session (simultaneous)
agent-browser --session user open app.com
agent-browser --session user state load user-auth.json
agent-browser --session user snapshot -i --json

安装

npm install -g agent-browser
agent-browser install                     # Download Chromium
agent-browser install --with-deps         # Linux: + system deps

适用场景与限制

适用于 AI 智能体驱动的多步网页自动化、确定性元素选择、复杂 SPA 操作、会话隔离测试（如多用户同时测试）以及通过状态保存跳过登录的重复任务。

限制方面：资料明确建议在需要截图/PDF 分析、视觉检查或浏览器扩展集成时使用内置浏览器工具而非本工具。截图与 PDF 命令虽存在，但上述建议表明其并非视觉分析的首选。工具的具体收费、价格等信息暂未提供。

来源说明

该 Skill 由 Yossi Elkrief（@MaTriXy）创建，agent-browser CLI 由 Vercel Labs 提供。