Agent Browser

Agent Browser

AI エージェントが構造化コマンドを使ってページを移動、クリック、入力し、スナップショットを取得できる、高速な Rust ベースのヘッドレスブラウザー自動化 CLI です。Node.js によるフォールバックも備えています。

インストール

npm（推奨）

npm install -g agent-browser
agent-browser install
agent-browser install --with-deps

ソースから

git clone https://github.com/vercel-labs/agent-browser
cd agent-browser
pnpm install
pnpm build
agent-browser install

クイックスタート

agent-browser open example.com
agent-browser snapshot
agent-browser click @e2
agent-browser fill @e3 "[email protected]"
agent-browser get text @e1
agent-browser screenshot page.png
agent-browser close

実際の Chrome プロファイルを使用する（OAuth／ログイン済みセッション向け）

Google／Discord などへのログインが必要なサイト（star-swap.com など）で使用します。

方法 1：カスタムプロファイルで Chrome を起動し、CDP 経由で接続する

# Terminal 1: Launch Chrome with your real profile and remote debugging
google-chrome --remote-debugging-port=9222 --user-data-dir=/home/willr/.config/google-chrome/Default &

# Terminal 2: Connect agent-browser to that Chrome instance
agent-browser --cdp 9222 open "https://star-swap.com"
agent-browser --cdp 9222 snapshot -i
agent-browser --cdp 9222 click e2

# This reuses your existing Google session - no re-login needed!
# Works for: Google OAuth, Discord OAuth, any site you're logged into in Chrome

方法 2：セッションを保持する（初回は手動でログイン）

# First time: headed mode, login manually
agent-browser --headed --session starswap open "https://star-swap.com"
# Complete Google OAuth manually in the browser window
# Close when done

# Future runs: cookies persist!
agent-browser --session starswap open "https://star-swap.com"
# Already logged in automatically

am.will.ryan の Chrome プロファイル： /home/willr/.config/google-chrome/Default

基本コマンド

ナビゲーション

agent-browser open <url>
agent-browser back
agent-browser forward
agent-browser reload

操作

agent-browser click <sel>
agent-browser dblclick <sel>
agent-browser focus <sel>
agent-browser type <sel> <text>
agent-browser fill <sel> <text>
agent-browser clear <sel>
agent-browser press <key>
agent-browser keydown <key>
agent-browser keyup <key>
agent-browser hover <sel>
agent-browser select <sel> <val>
agent-browser check <sel>
agent-browser uncheck <sel>
agent-browser drag <src> <tgt>
agent-browser upload <sel> <files>

抽出と情報

agent-browser snapshot
agent-browser get text <sel>
agent-browser get html <sel>
agent-browser get value <sel>
agent-browser get attr <sel> <attr>
agent-browser get title
agent-browser get url
agent-browser get count <sel>
agent-browser get box <sel>
agent-browser screenshot [path]
agent-browser pdf <path>

状態の確認

agent-browser is visible <sel>
agent-browser is enabled <sel>
agent-browser is checked <sel>

要素を検索する

• agent-browser find role [value]
• agent-browser find text
• agent-browser find label [value]
• agent-browser find placeholder [value]
• agent-browser find alt
• agent-browser find title
• agent-browser find testid [value]

アクションには、クリック、入力、チェック、ホバー、テキスト取得があります。

待機とタイミング

agent-browser wait <selector>
agent-browser wait <ms>
agent-browser wait --text "Welcome"
agent-browser wait --url "**/dash"
agent-browser wait --load networkidle

高度な制御

agent-browser scroll <dir> [px]
agent-browser scrollintoview <sel>
agent-browser eval <js>
agent-browser mouse move <x> <y>
agent-browser cookies
agent-browser storage local
agent-browser tab new [url]
agent-browser frame <sel>
agent-browser dialog accept [text]

セッション

複数の分離されたブラウザーインスタンスを実行します。

agent-browser --session agent1 open site-a.com
agent-browser --session agent2 open site-b.com

スナップショットのオプション

snapshot コマンドでは、出力サイズを抑えるためにフィルタリングできます。

• agent-browser snapshot -i
• agent-browser snapshot -c
• agent-browser snapshot -d 3
• agent-browser snapshot -s "#main"

セレクターと参照

参照を使うと、スナップショットから要素を確実に選択できます。@ref 構文を使用してください。

agent-browser snapshot
agent-browser click @e2

エージェントモード

機械で読み取り可能な出力には --json を使用します。

agent-browser snapshot --json

最適な AI ワークフロー

• agent-browser open でページに移動します
• agent-browser snapshot -i --json でページを確認します
• スナップショットの @ref を使って操作します
• agent-browser snapshot で確認します

トラブルシューティング

• Linux ARM64 でコマンドが見つからない場合は、bin フォルダー内のフルパスを使用してください。
• 要素が見つからない場合は、snapshot を使って正しい参照を確認してください。
• ページが読み込まれていない場合は、ナビゲーションの後に wait コマンドを追加してください。
• デバッグ時にブラウザーウィンドウを表示するには、--headed を使用してください。

オプション

• --session は分離されたセッションを使用します。
• --json は JSON 出力を行います。
• --full はページ全体のスクリーンショットを撮影します。
• --headed はブラウザーウィンドウを表示します。
• --timeout はコマンドのタイムアウトをミリ秒単位で設定します。

注意事項

• 参照はページの読み込み中は安定していますが、ナビゲーションすると変わります。
• 新しい参照を取得するため、ナビゲーション後は必ずスナップショットを取得してください。
• 入力欄の既存のテキストを確実に消去するには、type ではなく fill を使用してください。