SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-16 07:15

技能介绍

用途:agent-browser 是面向 AI 智能体的浏览器自动化 CLI,适合需要与网站交互的场景,如导航页面、填写表单、点击按钮、截图与提取数据。

核心工作流:先执行 agent-browser open <url> 打开页面,再用 agent-browser snapshot -i 获取元素引用(如 @e1、@e2),随后用引用执行 click、fill、select 等交互;页面导航或 DOM 变化后必须重新快照获取新引用。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:导航(open/close)、快照(snapshot -i,可加 -C 或 -s 限定范围)、交互(click、fill、type、select、check、press、keyboard、scroll)、信息获取(get text/url/title)、等待(wait 元素、networkidle、URL 模式、毫秒)、下载、截图与 PDF、diff 对比页面状态、认证保管(auth save/login/list/show/delete)、状态保存与加载、会话持久化、并行会话、连接已有 Chrome、深色模式、可视化调试(--headed、highlight、record、profiler)、本地文件、iOS 模拟器(需 macOS、Xcode、Appium)。

使用方式:安装与具体安装命令资料未提供。常用示例: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。复杂 JavaScript 建议用 eval --stdin 或 -b 避免 shell 转义问题。配置可写入项目根目录 agent-browser.json,优先级为 ~/.agent-browser/config.json < ./agent-browser.json < 环境变量 < CLI 参数。

限制与安全:所有安全功能均为可选,默认不限制导航、操作或输出。可启用 --content-boundaries 标记页面来源内容、AGENT_BROWSER_ALLOWED_DOMAINS 限制域名、AGENT_BROWSER_ACTION_POLICY 动作策略、AGENT_BROWSER_MAX_OUTPUT 限制输出。默认 Playwright 超时为 25 秒,可用 AGENT_BROWSER_DEFAULT_TIMEOUT 覆盖。引用在页面变化后失效,需重新快照。并发时应使用命名会话并在结束时 close 以避免进程泄漏。iOS 真机需预先配置。具体收费、价格与平台支持范围资料未提供。