agent-browser 是面向 AI 智能体的浏览器自动化命令行工具,用于让智能体与网站交互,如导航页面、填写表单、点击按钮、截图取值等。
核心工作流:open 打开 URL,snapshot -i 获取可交互元素引用(@e1、@e2 等),再用引用执行 click、fill、select 等操作;页面或 DOM 变化后需重新 snapshot 获取新引用。命令可用 && 串联,浏览器由后台守护进程保持,跨命令持续存在。
主要能力:导航与关闭;快照(可用 -C 含光标交互元素、-s 限定 CSS 选择器);交互(click、fill、type、select、check、press、键盘输入、滚动);取值(get text/url/title);等待(元素、networkidle、URL 模式、毫秒);下载与下载等待;截图(全页、标注)、PDF;diff 对比快照、截图与两个 URL;登录状态保存与加载、命名会话自动持久化、加密;并行会话;连接已开启远程调试的 Chrome;深色模式;有头模式调试、高亮、录屏、性能分析;打开本地 PDF/HTML;iOS 模拟器(需 macOS、Xcode、Appium 与 xcuitest 驱动);语义定位器 find;eval 执行 JS(复杂脚本建议 --stdin 或 -b 避免 shell 转义问题)。
限制与注意:引用在页面变化后失效,必须重新快照;应在结束后 close 会话避免进程残留;多智能体并发应使用命名会话;慢页面建议显式等待;默认超时可通过环境变量调整;配置文件优先级为全局配置 < 项目配置 < 环境变量 < CLI 参数。具体安装方式与收费信息暂未提供。