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”。