用途:agent-browser 通过命令行驱动浏览器,适合网页测试、表单填写、截图、数据提取等需要模拟用户操作的场景。
主要能力:导航(open/back/forward/reload/close)、快照分析(snapshot 支持 -i 交互元素、-c 紧凑、-d 深度、-s 选择器)、交互(click、dblclick、focus、fill、type、press、hover、check、select、scroll、drag、upload)、信息获取(text/html/value/attr/title/url/count/box/styles)、状态检查、截图与 PDF、视频录制、等待条件、鼠标控制、语义定位(find role/text/label 等)、浏览器设置(viewport、device、geo、offline、headers、media)、Cookie 与 localStorage、网络路由与请求查看、标签页与窗口、iframe、对话框、eval 执行 JS。
必要用法:先执行 agent-browser open <url> 导航,再 agent-browser snapshot -i 获取带 ref 的元素(如 @e1),随后用 ref 交互,DOM 变化后需重新快照。全局选项支持 --session 隔离会话、--json 机器可读输出、--headed 显示窗口、--cdp 连接端口、--proxy 代理等。
适用场景:表单自动化、认证会话复用、内容抓取、并行浏览器会话、调试(console/errors/highlight/trace/record)。
限制:资料未说明具体支持的浏览器、安装方式、定价或平台兼容性;部分功能依赖 CDP 或云浏览器 provider,环境变量与模板脚本需按文档配置。