用途
run-agent-browser 用于在终端环境中驱动 agent-browser 完成网页交互、截图、@ref 快照、标签页操作与 UI 验证等任务。其核心原则是把 agent-browser 当作实时 REPL 使用:一条命令、读取结果、再决定下一条命令。除非用户明确要求可复用的测试脚本,否则不应把临时的浏览器操作串成脚本或用 && 连接。
技能强调“升级而非死路”:某一层级失败时先诊断一次,然后进入下一层级;如果所有自动化层级都失败,则向用户索取凭据、CDP URL 或部署决定,而不是以“做不到”结束。
主要能力
- 运行时选择:提供本地 Chrome、Steel CDP、云提供商(Browser Use、Kernel、Browserless、Browserbase)的优先级阶梯与路由方式。
- 核心交互循环:open、snapshot -i(生成 @e3 形式的 ref)、click、wait --url、get url、get title、errors、close。导航后 ref 会失效,需要重新快照。
- 特殊路由:仅需公开 URL 文本时使用 read URL(无需浏览器);Google AI Overview / AI Mode / Gemini 采集走 Patchright scrape API(非 CDP);用户已启动的 Chrome 可用 --auto-connect 或 connect <port|url> 附加。
- 隐身默认:本地与 Steel 启动使用 --disable-blink-features=AutomationControlled;Browserless 默认开启隐身,Kernel 需手动设置 KERNEL_STEALTH=true;可选代理参数 --proxy。
- 安全约定:不得将代理密码、API 密钥或 cookie 值写入命令输出、提交或聊天;凭据仅以“存在/长度”确认。
- 清理:包括 close(仅断开)与 Steel 的 POST /v1/sessions/release(完全重置)。
- 报告契约:输出最终 URL/标题、用户可见结果、所用层级与升级情况、会话名、确定性检查、清理动作、产物与敏感性、请求或写入的凭据文件名(不含值)、留待用户的安装/部署建议。
使用方式
四层级阶梯始终从第 1 层开始:
- 本地纯 Chrome(默认):需 unset AGENT_BROWSER_PROVIDER,使用 --session 与隐身启动参数。
- Steel CDP:第 1 层失败或用户要求托管 CDP 时使用,先 source Steel 环境文件,再用 --cdp 附加。Steel 为单会话/共享页面,任务需串行化;close 仅断开,release 才重置。
- 云提供商:第 2 层失败或不可用时按 Browser Use → Kernel → Browserless → Browserbase 顺序尝试。已知问题:agent-browser 0.33.2 上 -p browseruse 会确定性返回 CDP WebSocket connect failed: HTTP error: 400 Bad Request,遇到后不要重试,直接跳到 Kernel。
- 询问用户:索取 CDP URL、提供商密钥或安装/部署授权,配置后重试。
适用场景
- 网页交互与 UI 验证、截图取证。
- 通过 CDP 附加已启动的 Chrome(保留现有登录态)。
- 在本地无浏览器、无显示或无沙箱环境时切换到 Steel 或云提供商。
- 采集公开页面文本。
限制
- 严格按 CLI 安装版本的 --help 为准,技能负责运行时选择与故障升级。
- 不得混用 -p/--provider 与 --cdp。
- 不发明密钥;Steel 任务需串行。
- 部分平台、收费与价格、具体效果信息暂未提供。