agent-browser

用途

agent-browser 是 Vercel 提供的无头浏览器自动化 CLI，用于在命令行中控制浏览器完成网页交互任务。它面向需要自动化浏览器的开发与测试场景，尤其适合与 AI 编码助手配合使用。

主要能力

页面导航：open <url> 打开目标页面。
元素快照：snapshot -i 获取带引用的可交互元素，元素被标记为 @e1、@e2 等。
交互操作：click @e1 点击元素，fill @e2 "text" 清空并输入文本，get text @e1 提取元素文本。
等待渲染：wait --load networkidle 等待 SPA 渲染完成。
截图与录制：screenshot <path> 保存截图，record start <path> 与 record stop 进行视频录制。
会话状态：state save <file> 持久化 cookies/storage，state load <file> 恢复会话。
脚本执行：eval "js" 运行 JavaScript。
会话隔离：--session <name> 隔离并行会话，--headed 显示浏览器窗口。

完整命令参考可通过 agent-browser --help 查看，官方称提供 60 多个命令。

核心概念：快照 + 引用

运行 agent-browser snapshot -i 后，页面上的可交互元素会被打上 @e1、@e2 等引用标签，后续所有交互都使用这些引用。导航或 DOM 发生显著变化后需要重新快照。该方式相比完整 DOM 方案可减少约 93% 的上下文占用。

安装

npm install -g agent-browser agent-browser install # 下载 Chromium agent-browser install --with-deps # 含系统依赖（Linux）

可选：npx skills add vercel-labs/agent-browser

快速开始

agent-browser open <url> # 导航到页面 agent-browser snapshot -i # 获取带引用的可交互元素 agent-browser click @e1 # 按引用点击元素 agent-browser fill @e2 "text" # 按引用填写输入框 agent-browser close # 关闭浏览器

适用场景

从 JS 渲染页面或 SPA 页面抓取数据。
表单自动化与多步骤工作流。
截图采集与视觉验证。
E2E 测试生成与调试。
从需要登录的页面采集内容。

与 OrchestKit 集成

安全钩子：agent-browser-safety.ts 通过 pretool 钩子自动拦截破坏性模式（如凭据外泄、递归生成）。
会话：在单个 Claude Code 会话中使用 --session <name> 运行隔离的并行浏览器。
环境变量：
- AGENT_BROWSER_SESSION="my-session" 默认会话名
- AGENT_BROWSER_PROFILE="/path" 持久化浏览器配置
- AGENT_BROWSER_PROVIDER="browserbase" 云端提供商（browserbase | kernel | browseruse）
- AGENT_BROWSER_HEADED=1 以有头模式运行

上游文档

GitHub：vercel-labs/agent-browser
CLI 帮助：agent-browser --help
技能安装：npx skills add vercel-labs/agent-browser

限制

资料未提供关于收费、价格、平台支持范围、性能上限或具体效果指标的说明，暂未提供。

技能介绍

用途