Agent Browserは、AIエージェント専用に設計されたヘッドレスブラウザ自動化CLIツールです。高速なRust CLIとNode.jsフォールバックで構築され、アクセシビリティツリースナップショット、決定論的要素参照、JSON出力モードなどの機能を備え、AI駆動のWeb自動化に最適なインターフェースを提供します。
コア機能
1. AI最適化ワークフロー
- 参照付きスナップショット:決定論的要素参照(@e1、@e2など)を持つアクセシビリティツリーを取得
- 参照ベースのアクション:スナップショットからの参照を使用して要素と対話し、信頼性の高い自動化を実現
- JSON出力モード:AIエージェント統合に最適な機械可読出力
2. 高速Rust CLI
- ネイティブRustバイナリによる超高速コマンド実行
- 永続的なブラウザセッションのためのクライアント-デーモンアーキテクチャ
- ネイティブバイナリが利用できない場合のNode.jsへの自動フォールバック
3. 包括的なブラウザ制御
- 完全なナビゲーションとインタラクション機能
- マウス、キーボード、タッチイベントのシミュレーション
- ネットワークインターセプトとモック化
- CookieとStorageの管理
- マルチタブとiframeサポート
4. セッション管理
- 並列自動化のための分離されたブラウザセッション
- 永続的な認証状態
- セッションスコープのCookieとStorage
5. ストリーミングとプレビュー
- WebSocketベースのブラウザビューポートストリーミング
- AIエージェントとの「ペアブラウジング」のためのライブプレビュー
- リアルタイム入力イベント注入
6. 柔軟なデプロイ
- カスタムブラウザ実行可能ファイルのサポート(サーバーレス用の@sparticuz/chromiumなど)
- 既存のブラウザに接続するCDPモード
- デバッグ用のヘッド付きモード
主なコマンド
ナビゲーションとインタラクション
agent-browser open <url> # URLに移動
agent-browser click <sel> # 要素をクリック
agent-browser fill <sel> <text> # 入力を埋める
agent-browser type <sel> <text> # テキストを入力
agent-browser press <key> # キーを押す
agent-browser hover <sel> # 要素にホバー
agent-browser scroll <dir> [px] # ページをスクロール
AI最適化ワークフロー
agent-browser snapshot # 参照付きアクセシビリティツリーを取得
agent-browser snapshot -i # インタラクティブ要素のみ
agent-browser snapshot -c # コンパクトモード
agent-browser click @e2 # 参照でクリック
agent-browser fill @e3 "text" # 参照で埋める
agent-browser get text @e1 # 参照でテキストを取得
情報取得
agent-browser get text <sel> # テキストコンテンツを取得
agent-browser get html <sel> # innerHTMLを取得
agent-browser get value <sel> # 入力値を取得
agent-browser get title # ページタイトルを取得
agent-browser get url # 現在のURLを取得
状態チェック
agent-browser is visible <sel> # 可視性をチェック
agent-browser is enabled <sel> # 有効かチェック
agent-browser is checked <sel> # チェック済みかチェック
高度な機能
agent-browser screenshot [path] # スクリーンショットを撮る
agent-browser pdf <path> # PDFとして保存
agent-browser eval <js> # JavaScriptを実行
agent-browser network route <url> # リクエストをインターセプト
agent-browser cookies # Cookieを管理
agent-browser storage local # localStorageを管理
最適なAIワークフロー
# 1. ナビゲートしてスナップショットを取得
agent-browser open example.com
agent-browser snapshot -i --json # AIがツリーと参照を解析
# 2. AIがスナップショットからターゲット参照を識別
# 3. 参照を使用してアクションを実行
agent-browser click @e2
agent-browser fill @e3 "input text"
# 4. ページが変更された場合は新しいスナップショットを取得
agent-browser snapshot -i --json
主な機能
- 決定論的選択:参照はスナップショットから要素への正確なターゲティングを提供
- 高速実行:デーモンアーキテクチャを持つRust CLIによる高速化
- AI対応出力:シームレスなAI統合のためのJSONモード
- クロスプラットフォーム:macOS、Linux、Windowsサポート
- サーバーレス対応:軽量デプロイ用のカスタム実行可能ファイルサポート
- セッション分離:複数の並列ブラウザインスタンス
- ライブストリーミング:WebSocketベースのビューポートストリーミング
ユースケース
- AIエージェントのWeb自動化とテスト
- 自動UIテストと監視
- AIガイド付きWebスクレイピング
- ブラウザベースのタスク自動化
- サーバーレスブラウザ自動化
- AI支援デバッグと探索
- 人間の監視下でのペアブラウジング
技術詳細
- アーキテクチャ:Rust CLI + Node.jsデーモン
- ブラウザエンジン:Chromium(Playwright経由)
- プラットフォーム:macOS ARM64/x64、Linux ARM64/x64、Windows x64
- プロトコル:Chrome DevTools Protocol (CDP)
- ストリーミング:WebSocketベースのビューポートストリーミング
- 出力:人間可読またはJSON形式
コメント
まだコメントがありません。最初のコメントを投稿してください!
関連ツール
Playwright
playwright.dev
Playwrightは、Microsoftが開発したモダンなエンドツーエンドテストフレームワークで、単一のAPIでChromium、Firefox、WebKitでの信頼性の高いテストを可能にします。
Claude Skills
claude.ai/code
カスタムスキル定義を通じてClaude Codeの機能を拡張するモジュール式で再利用可能なAIワークフローシステムで、開発者が特定のタスク用の専用AIモードを作成できます。
TRAE
www.trae.ai
Builder モードとインテリジェントなコード生成で協力し、コーディング速度を10倍に向上させる AI 駆動 IDE
関連インサイト
ローコードプラットフォームの黄昏:なぜClaude Agent SDKがDifyを歴史にするのか
大規模言語モデルの第一原理から、なぜClaude Agent SDKがDifyを置き換えるのかを深く分析。自然言語でプロセスを記述することが人間の原始的な行動パターンにより合致している理由、そしてなぜこれがAI時代の必然的な選択なのかを探る。
AI アシスタントをチャットボックスに押し込むな:Clawdbot は戦場を間違えた
Clawdbot は便利だが、Slack や Discord に入れて操作するのは最初から間違った設計だ。チャットツールはタスク操作のためのものではなく、AI もおしゃべりのためではない。
6 つの AI コーディング CLI を半年使って悟ったこと:モデルがどんなに強くても、仕事には監督が必要
Claude Code、Codex、opencode、pi、omp、DeepSeek Harness はそれぞれ性格が違う。半年間の深い使用で確立した分業:pi で最速最省のレビュー、omp で複雑な PR レビュー、DeepSeek Harness + V4 Flash で高頻度・低コストなレビュー、Claude Code と Qoder でコーディング。モデルがどんなに強くても、仕事には監督が必要——しかも独立した第三者であるべき。