LogoAI 星图
Agent Browser logo

Agent Browser

打开

专为 AI 代理设计的无头浏览器自动化 CLI。快速的 Rust CLI 配合 Node.js 后备方案，为 AI 工作流提供无缝集成。

分享：

Agent Browser 是专为 AI 代理设计的无头浏览器自动化 CLI 工具。采用快速的 Rust CLI 和 Node.js 后备方案构建，为 AI 驱动的 Web 自动化提供最优接口，具有可访问性树快照、确定性元素引用和 JSON 输出模式等特性。

核心功能

1. AI 优化工作流

  • 带引用的快照：获取带有确定性元素引用（@e1、@e2 等）的可访问性树
  • 基于引用的操作：使用快照中的引用与元素交互，实现可靠的自动化
  • JSON 输出模式：机器可读输出，完美适配 AI 代理集成

2. 快速 Rust CLI

  • 原生 Rust 二进制文件，命令执行速度极快
  • 客户端-守护进程架构，支持持久化浏览器会话
  • 当原生二进制不可用时自动回退到 Node.js

3. 全面的浏览器控制

  • 完整的导航和交互能力
  • 鼠标、键盘和触摸事件模拟
  • 网络拦截和模拟
  • Cookie 和存储管理
  • 多标签页和 iframe 支持

4. 会话管理

  • 隔离的浏览器会话，支持并行自动化
  • 持久化认证状态
  • 会话范围的 Cookie 和存储

5. 流式传输和预览

  • 基于 WebSocket 的浏览器视口流式传输
  • 实时预览，支持与 AI 代理"配对浏览"
  • 实时输入事件注入

6. 灵活部署

  • 支持自定义浏览器可执行文件（如用于无服务器的 @sparticuz/chromium）
  • CDP 模式连接现有浏览器
  • 有头模式用于调试

主要命令

导航和交互

agent-browser open <url>              # 导航到 URL
agent-browser click <sel>             # 点击元素
agent-browser fill <sel> <text>       # 填充输入
agent-browser type <sel> <text>       # 输入文本
agent-browser press <key>             # 按键
agent-browser hover <sel>             # 悬停元素
agent-browser scroll <dir> [px]       # 滚动页面

AI 优化工作流

agent-browser snapshot                # 获取带引用的可访问性树
agent-browser snapshot -i             # 仅交互元素
agent-browser snapshot -c             # 紧凑模式
agent-browser click @e2               # 通过引用点击
agent-browser fill @e3 "text"         # 通过引用填充
agent-browser get text @e1            # 通过引用获取文本

信息检索

agent-browser get text <sel>          # 获取文本内容
agent-browser get html <sel>          # 获取 innerHTML
agent-browser get value <sel>         # 获取输入值
agent-browser get title               # 获取页面标题
agent-browser get url                 # 获取当前 URL

状态检查

agent-browser is visible <sel>        # 检查可见性
agent-browser is enabled <sel>        # 检查是否启用
agent-browser is checked <sel>        # 检查是否选中

高级功能

agent-browser screenshot [path]       # 截图
agent-browser pdf <path>              # 保存为 PDF
agent-browser eval <js>               # 运行 JavaScript
agent-browser network route <url>     # 拦截请求
agent-browser cookies                 # 管理 Cookie
agent-browser storage local           # 管理 localStorage

最佳 AI 工作流

# 1. 导航并获取快照
agent-browser open example.com
agent-browser snapshot -i --json   # AI 解析树和引用

# 2. AI 从快照中识别目标引用
# 3. 使用引用执行操作
agent-browser click @e2
agent-browser fill @e3 "input text"

# 4. 如果页面改变，获取新快照
agent-browser snapshot -i --json

主要能力

  • 确定性选择：引用提供从快照到元素的精确定位
  • 快速执行：Rust CLI 配合守护进程架构实现高速
  • AI 友好输出：JSON 模式实现无缝 AI 集成
  • 跨平台：支持 macOS、Linux、Windows
  • 无服务器就绪：支持自定义可执行文件用于轻量级部署
  • 会话隔离：多个并行浏览器实例
  • 实时流式传输：基于 WebSocket 的视口流式传输

使用场景

  • AI 代理 Web 自动化和测试
  • 自动化 UI 测试和监控
  • AI 引导的 Web 抓取
  • 基于浏览器的任务自动化
  • 无服务器浏览器自动化
  • AI 辅助调试和探索
  • 与人类监督的配对浏览

技术细节

  • 架构：Rust CLI + Node.js 守护进程
  • 浏览器引擎：Chromium（通过 Playwright）
  • 平台：macOS ARM64/x64、Linux ARM64/x64、Windows x64
  • 协议：Chrome DevTools Protocol (CDP)
  • 流式传输：基于 WebSocket 的视口流式传输
  • 输出：人类可读或 JSON 格式

评论

还没有评论。成为第一个评论的人！

相关工具

Playwright logo

Playwright

playwright.dev

Playwright 是由微软开发的现代端到端测试框架,支持使用单一 API 在 Chromium、Firefox 和 WebKit 上进行可靠的测试。

Dev Tools
Claude Hooks logo

Claude Hooks

claude.ai/code

Claude Code 中的事件驱动脚本执行系统，能够响应特定事件自动运行 shell 命令，实现工作流自动化、质量门控和自定义集成。

Dev Tools
Claude Plugins logo

Claude Plugins

claude.ai/code

Claude Code 的打包和分发系统,将 Skills、Hooks、MCP 服务器和自定义命令打包成可安装模块,实现团队范围的工作流标准化和生态系统增长。

Dev Tools

相关洞察

低代码平台的黄昏：为什么 Claude Agent SDK 会让 Dify 们成为历史

低代码平台的黄昏：为什么 Claude Agent SDK 会让 Dify 们成为历史

从大模型第一性原理深度剖析为什么 Claude Agent SDK 将取代 Dify。探讨为什么自然语言描述流程比图形化编排更符合人类原始行为模式，以及为什么这是 AI 时代的必然选择。

Skills + Hooks + Plugins：Anthropic 如何重新定义 AI 编程工具的扩展性

Skills + Hooks + Plugins：Anthropic 如何重新定义 AI 编程工具的扩展性

深入解析 Claude Code 的 Skills、Hooks 和 Plugins 三位一体架构，探讨为什么这种设计比 GitHub Copilot 和 Cursor 更先进,以及它如何通过开放标准重新定义 AI 编程工具的扩展性。

Claude Skills 完全指南 - 十大必备 Skills 详解

Claude Skills 完全指南 - 十大必备 Skills 详解

深入解析 Claude Skills 扩展机制，详细介绍十大核心技能及 Obsidian 集成，帮助你打造高效的 AI 工作流