用途:Agent Browser 是面向 AI 智能体的无头浏览器自动化命令行工具,采用 Rust 实现并带 Node.js 回退,可通过结构化命令驱动浏览器完成导航、点击、输入和页面快照等任务。
安装:推荐使用 npm:npm install -g agent-browser,随后执行 agent-browser install(可用 agent-browser install --with-deps)。也可从源码安装:git clone https://github.com/vercel-labs/agent-browser,cd agent-browser,pnpm install,pnpm build,agent-browser install。
主要能力:支持导航(open/back/forward/reload/close);快照分析(全量可访问性树、仅交互元素、紧凑输出、限制深度、CSS 选择器范围);交互(click、dblclick、focus、fill、type、press、keydown/up、hover、check、select、scroll、drag、upload);信息获取(text/html/value/attr/title/url/count/box);状态检查(visible/enabled/checked);截图与 PDF;视频录制;等待(元素、毫秒、文本、URL、networkidle、JS 条件);鼠标控制;语义定位器(find role/text/label/first/nth);浏览器设置(视口、设备、地理位置、离线、请求头、认证、媒体);Cookie 与本地存储;网络拦截与模拟;标签页与窗口;iframe 切换;对话框处理;eval 执行 JavaScript;状态保存与加载;并行会话;--json 机器可读输出;调试(--headed、console、errors、highlight、trace、CDP)。
典型用法:先 open 页面,再用 snapshot -i 获取带 @e1 等引用的交互元素,随后用引用执行 click @e1、fill @e2 "text" 等操作;导航或 DOM 大幅变化后需重新快照。表单示例:open 后快照、fill 邮箱与密码、click 提交、wait --load networkidle、再次快照检查结果。可先登录一次并 state save auth.json,后续用 state load 复用会话。
限制与注意事项:引用在每次页面加载后稳定,但导航后会变化,需重新快照确认;输入框建议用 fill 而非 type,以确保清除原有文本;元素未找到时用 snapshot 查找正确引用;页面未加载时可追加 wait 命令;Linux ARM64 上若命令未找到需使用 bin 目录完整路径;可用 --headed 观察浏览器窗口调试。资料未提供收费、价格、平台支持范围及性能数据,暂未提供。