SuperAPI AI 工具集

agent-browser

编程与开发

查看项目

更新于 11-04 11:45

技能介绍

用途

agent-browser 是一个以 Rust 实现的浏览器自动化命令行工具(Vercel Labs),定位为确定性、可脚本化的浏览器操作与可访问性审计入口,主要面向测试、抓取、表单填写、批量任务和 AI 智能体调用。

主要能力

  • 确定性导航:open 打开页面,snapshot 生成带引用编号(@e1 等)的无障碍树,支持按引用 click、fill,也可用 find role button click --name "Submit" 做语义定位;get text/title/url/count 读取信息。
  • 内容读取:read 直接获取适合智能体的 Markdown 文本(资料示例约 0.5KB);不传 URL 时读取当前活动标签页已渲染的 DOM(含登录状态)。
  • 快照增量:snapshot --delta 只返回与上次快照相比的变更,资料称填写表单时可显著减少令牌消耗;跨会话比较可保存快照文件后用 diff snapshot --baseline。
  • 可访问性审计:a11y 命令内置 axe-core,支持 --tags wcag2a,wcag2aa、--json、--selector 限定子树,输出 violations/passes 计数。
  • 批量执行:batch --bail "open URL" "get title" "snapshot -i" "close" 单次调用完成多步操作,适合定时任务。
  • 输出物:screenshot(支持 --full、--annotate 编号标注)、pdf。
  • 内置技能指南:skills get core --full 等命令随 CLI 版本提供使用说明。
  • 自然语言控制:chat 依赖 AI Gateway 的 AI_GATEWAY_API_KEY,默认模型可配置。

使用方式(资料示例)

brew upgrade agent-browser
agent-browser --version
agent-browser install
agent-browser a11y https://la agencia.com --tags wcag2a,wcag2aa
agent-browser a11y https://la agencia.com --tags wcag2a,wcag2aa --json
agent-browser open https://la agencia.com
agent-browser snapshot
agent-browser click @e2
agent-browser fill @e3 "test@example.com"
agent-browser batch --bail "open URL" "get title" "snapshot -i" "close"

资料特别提示:该环境应通过 Homebrew 安装与升级,避免 npm 全局安装造成版本遮蔽;升级后可做一轮快速冒烟验证。

适用场景

  • WCAG 可访问性审计与批量复现(输出 JSON 与摘要)。
  • 自动化测试、抓取、表单填写等确定性浏览器流程。
  • 定时任务/CI 中的单次批量浏览器操作。
  • 结合截图与外部工具理解页面滚动动效(资料给出 agent-browser + ffmpeg + 视觉模型的组合)。

限制与注意事项

  • 可访问性审计结果可能因渲染而波动,建议先 close --all 再审计,边界结果重复验证。
  • --json 不输出 passes 明细列表,仅含计数与 violations/incomplete 详情。
  • chat 需要 AI Gateway API 密钥,否则应使用确定性命令。
  • read 带 URL 时是直接 HTTP 获取,不使用会话 Cookie。
  • Safari/iOS WebDriver 不支持 a11y,应使用 Chrome。
  • 点击可能被遮挡元素拦截(如同意横幅),需先关闭并重新快照。
  • 资料中的版本号、性能对比与测试结果均来自其自述环境,具体以实际安装版本为准;官方收费、平台支持范围等未在本资料中说明。

分类

据其明确用途(浏览器自动化、测试、抓取与可访问性审计),归入“编程与开发”。