mcpField
A
agent-browser

agent-browser

github.com/code-yeongyu生産性70.5k55 回インストール今日更新
リポジトリ

agent-browser について

agent-browserは、エージェントがコマンドラインからウェブページを調査・操作するためのブラウザー自動化スキルです。アクセシビリティスナップショットと要素参照に加え、スクリーンショット、ストレージ、ネットワーク、セッションを管理できます。

主な機能

  1. 01ページの移動とブラウザー操作
  2. 02アクセシビリティツリーと要素の確認
  3. 03参照やセマンティックロケーターで操作
  4. 04スクリーンショット、PDF、録画の作成
  5. 05タブ、ストレージ、状態の管理
  6. 06ネットワークリクエストの確認と制御

活用シーン

  1. 01ウェブフォームの入力と送信
  2. 02保存した状態でログイン済みセッションを操作
  3. 03操作前にページ構造を確認
  4. 04ページをスクリーンショットやPDFで保存

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/code-yeongyu/oh-my-openagent --skill agent-browser

インストール後、Claude Code で/agent-browserを入力して読み込まれたか確認します。

詳細

agent-browser によるブラウザー自動化

クイックスタート

agent-browser open <url>        # Navigate to page
agent-browser snapshot -i       # Get interactive elements with refs
agent-browser click @e1         # Click element by ref
agent-browser fill @e2 "text"   # Fill input by ref
agent-browser close             # Close browser

基本的なワークフロー

  1. 移動：agent-browser open <url>
  2. スナップショット：agent-browser snapshot -i（@e1、@e2 のような参照付きの要素が返されます）
  3. スナップショットの参照を使って操作します
  4. ページ遷移後、または DOM に大きな変更があった後に、スナップショットを再取得します

コマンド

ナビゲーション
agent-browser open <url>      # Navigate to URL (aliases: goto, navigate)
agent-browser back            # Go back
agent-browser forward         # Go forward
agent-browser reload          # Reload page
agent-browser close           # Close browser (aliases: quit, exit)
スナップショット（ページ分析）
agent-browser snapshot            # Full accessibility tree
agent-browser snapshot -i         # Interactive elements only (recommended)
agent-browser snapshot -i -C      # Include cursor-interactive elements (divs with onclick, etc.)
agent-browser snapshot -c         # Compact (remove empty structural elements)
agent-browser snapshot -d 3       # Limit depth to 3
agent-browser snapshot -s "#main" # Scope to CSS selector
agent-browser snapshot -i -c -d 5 # Combine options

標準のボタンやリンクではなく、カスタムのクリック可能な要素（div、span）を使う最新のウェブアプリでは、-C フラグが便利です。

操作（スナップショットの @ref を使用）
agent-browser click @e1           # Click (--new-tab to open in new tab)
agent-browser dblclick @e1        # Double-click
agent-browser focus @e1           # Focus element
agent-browser fill @e2 "text"     # Clear and type
agent-browser type @e2 "text"     # Type without clearing
agent-browser keyboard type "text"     # Type with real keystrokes (no selector, current focus)
agent-browser keyboard inserttext "text"  # Insert text without key events (no selector)
agent-browser press Enter         # Press key
agent-browser press Control+a     # Key combination
agent-browser keydown Shift       # Hold key down
agent-browser keyup Shift         # Release key
agent-browser hover @e1           # Hover
agent-browser check @e1           # Check checkbox
agent-browser uncheck @e1         # Uncheck checkbox
agent-browser select @e1 "value"  # Select dropdown
agent-browser scroll down 500     # Scroll page (--selector <sel> for container)
agent-browser scrollintoview @e1  # Scroll element into view (alias: scrollinto)
agent-browser drag @e1 @e2        # Drag and drop
agent-browser upload @e1 file.pdf # Upload files
情報の取得
agent-browser get text @e1        # Get element text
agent-browser get html @e1        # Get innerHTML
agent-browser get value @e1       # Get input value
agent-browser get attr @e1 href   # Get attribute
agent-browser get title           # Get page title
agent-browser get url             # Get current URL
agent-browser get count ".item"   # Count matching elements
agent-browser get box @e1         # Get bounding box
agent-browser get styles @e1      # Get computed styles
状態の確認
agent-browser is visible @e1      # Check if visible
agent-browser is enabled @e1      # Check if enabled
agent-browser is checked @e1      # Check if checked
スクリーンショットと PDF
agent-browser screenshot          # Screenshot (saves to temp dir if no path)
agent-browser screenshot path.png # Save to file
agent-browser screenshot --full   # Full page
agent-browser screenshot --annotate   # Annotated screenshot with numbered element labels
agent-browser pdf output.pdf      # Save as PDF

注釈付きスクリーンショットでは、操作可能な要素の上に番号付きラベル [N] が重ねて表示されます。各ラベルは参照 @eN に対応するため、参照は視覚的なワークフローでもテキストベースのワークフローでも使用できます。

agent-browser screenshot --annotate ./page.png
# Output: [1] @e1 button "Submit", [2] @e2 link "Home", [3] @e3 textbox "Email"
agent-browser click @e2     # Click the "Home" link labeled [2]
動画の録画
agent-browser record start ./demo.webm    # Start recording (uses current URL + state)
agent-browser click @e1                   # Perform actions
agent-browser record stop                 # Stop and save video
agent-browser record restart ./take2.webm # Stop current + start new recording

録画では新しいコンテキストが作成されますが、セッションの Cookie とストレージは保持されます。

待機
agent-browser wait @e1                     # Wait for element
agent-browser wait 2000                    # Wait milliseconds
agent-browser wait --text "Success"        # Wait for text
agent-browser wait --url "**/dashboard"    # Wait for URL pattern
agent-browser wait --load networkidle      # Wait for network idle
agent-browser wait --fn "window.ready"     # Wait for JS condition

読み込み状態：load、domcontentloaded、networkidle

マウス操作
agent-browser mouse move 100 200      # Move mouse
agent-browser mouse down left         # Press button (left/right/middle)
agent-browser mouse up left           # Release button
agent-browser mouse wheel 100         # Scroll wheel
セマンティックロケーター（参照の代替）
agent-browser find role button click --name "Submit"
agent-browser find text "Sign In" click
agent-browser find label "Email" fill "[email protected]"
agent-browser find placeholder "Search..." fill "query"
agent-browser find alt "Logo" click
agent-browser find title "Close" click
agent-browser find testid "submit-btn" click
agent-browser find first ".item" click
agent-browser find last ".item" click
agent-browser find nth 2 "a" text

アクション：click、fill、type、hover、focus、check、uncheck、text オプション：--name <name>（アクセス可能な名前でロールを絞り込みます）、--exact（テキストが完全一致する場合のみ）

ブラウザー設定
agent-browser set viewport 1920 1080      # Set viewport size
agent-browser set device "iPhone 14"      # Emulate device
agent-browser set geo 37.7749 -122.4194   # Set geolocation
agent-browser set offline on              # Toggle offline mode
agent-browser set headers '{"X-Key":"v"}' # Extra HTTP headers
agent-browser set credentials user pass   # HTTP basic auth
agent-browser set media dark              # Emulate color scheme
Cookie とストレージ
agent-browser cookies                     # Get all cookies
agent-browser cookies set name value      # Set cookie
agent-browser cookies clear               # Clear cookies

agent-browser storage local               # Get all localStorage
agent-browser storage local key           # Get specific key
agent-browser storage local set k v       # Set value
agent-browser storage local clear         # Clear all

agent-browser storage session             # Same for sessionStorage
ネットワーク
agent-browser network route <url>              # Intercept requests
agent-browser network route <url> --abort      # Block requests
agent-browser network route <url> --body '{}'  # Mock response
agent-browser network unroute [url]            # Remove routes
agent-browser network requests                 # View tracked requests
agent-browser network requests --filter api    # Filter requests
タブとウィンドウ
agent-browser tab                 # List tabs
agent-browser tab new [url]       # New tab
agent-browser tab 2               # Switch to tab
agent-browser tab close           # Close tab
agent-browser window new          # New window
フレーム
agent-browser frame "#iframe"     # Switch to iframe
agent-browser frame main          # Back to main frame
ダイアログ
agent-browser dialog accept [text]  # Accept dialog (with optional prompt text)
agent-browser dialog dismiss        # Dismiss dialog
差分（スナップショット、スクリーンショット、URL の比較）
agent-browser diff snapshot                              # Compare current vs last snapshot
agent-browser diff snapshot --baseline before.txt        # Compare current vs saved snapshot file
agent-browser diff snapshot --selector "#main" --compact # Scoped snapshot diff
agent-browser diff screenshot --baseline before.png      # Visual pixel diff against baseline
agent-browser diff screenshot --baseline b.png -o d.png  # Save diff image to custom path
agent-browser diff screenshot --baseline b.png -t 0.2    # Adjust color threshold (0-1)
agent-browser diff url https://v1.com https://v2.com     # Compare two URLs (snapshot diff)
agent-browser diff url https://v1.com https://v2.com --screenshot  # Also visual diff
agent-browser diff url https://v1.com https://v2.com --selector "#main"  # Scope to element
JavaScript
agent-browser eval "document.title"   # Run JavaScript
agent-browser eval -b "base64code"    # Run base64-encoded JS
agent-browser eval --stdin            # Read JS from stdin
デバッグとプロファイリング
agent-browser console                 # View console messages
agent-browser console --clear         # Clear console
agent-browser errors                  # View page errors
agent-browser errors --clear          # Clear errors
agent-browser highlight @e1           # Highlight element
agent-browser trace start             # Start recording trace
agent-browser trace stop trace.zip    # Stop and save trace
agent-browser profiler start          # Start Chrome DevTools profiling
agent-browser profiler stop profile.json  # Stop and save profile
状態管理
agent-browser state save auth.json    # Save auth state
agent-browser state load auth.json    # Load auth state
agent-browser state list              # List saved state files
agent-browser state show <file>       # Show state summary
agent-browser state rename <old> <new>  # Rename state file
agent-browser state clear [name]      # Clear states for session
agent-browser state clear --all       # Clear all saved states
agent-browser state clean --older-than <days>  # Delete old states
セットアップ
agent-browser install                 # Download Chromium browser
agent-browser install --with-deps     # Also install system deps (Linux)

グローバルオプション

オプション説明
--session <name>分離されたブラウザーセッション（AGENT_BROWSER_SESSION env）
--session-name <name>セッション状態を自動保存／復元します（AGENT_BROWSER_SESSION_NAME env）
--profile <path>永続的なブラウザープロファイル（AGENT_BROWSER_PROFILE env）
--state <path>JSON ファイルからストレージ状態を読み込みます（AGENT_BROWSER_STATE env）
--headers <json>URL のオリジンに限定された HTTP ヘッダー
--executable-path <path>カスタムのブラウザーバイナリ（AGENT_BROWSER_EXECUTABLE_PATH env）
--extension <path>ブラウザー拡張機能を読み込みます（複数回指定可能。AGENT_BROWSER_EXTENSIONS env）
--args <args>ブラウザーの起動引数（AGENT_BROWSER_ARGS env）
--user-agent <ua>カスタムの User-Agent（AGENT_BROWSER_USER_AGENT env）
--proxy <url>プロキシサーバー（AGENT_BROWSER_PROXY env）
--proxy-bypass <hosts>プロキシを経由しないホスト（AGENT_BROWSER_PROXY_BYPASS env）
--ignore-https-errorsHTTPS 証明書エラーを無視します
--allow-file-accessfile:// URL にローカルファイルへのアクセスを許可します
-p, --provider <name>クラウドブラウザープロバイダー（AGENT_BROWSER_PROVIDER env）
--device <name>iOS デバイス名（AGENT_BROWSER_IOS_DEVICE env）
--json機械可読な JSON 出力
--full, -fページ全体のスクリーンショット
--annotate番号付きラベルを付けた注釈付きスクリーンショット（AGENT_BROWSER_ANNOTATE env）
--headedブラウザーウィンドウを表示します（AGENT_BROWSER_HEADED env）
--cdp <port|wss://url>Chrome DevTools Protocol 経由で接続します
--auto-connect実行中の Chrome を自動検出します（AGENT_BROWSER_AUTO_CONNECT env）
--color-scheme <scheme>カラースキーム：dark、light、no-preference（AGENT_BROWSER_COLOR_SCHEME env）
--download-path <path>デフォルトのダウンロードディレクトリ（AGENT_BROWSER_DOWNLOAD_PATH env）
--native[実験的] ネイティブの Rust デーモンを使用します（AGENT_BROWSER_NATIVE env）
--config <path>カスタム設定ファイル（AGENT_BROWSER_CONFIG env）
--debugデバッグ出力
セキュリティオプション
オプション説明
--content-boundariesページ出力を境界マーカーで囲みます（AGENT_BROWSER_CONTENT_BOUNDARIES 環境変数）
--max-output <chars>ページ出力を N 文字に切り詰めます（AGENT_BROWSER_MAX_OUTPUT 環境変数）
--allowed-domains <list>許可するドメインパターンをカンマ区切りで指定します（AGENT_BROWSER_ALLOWED_DOMAINS 環境変数）
--action-policy <path>アクションポリシー JSON ファイルのパス（AGENT_BROWSER_ACTION_POLICY 環境変数）
--confirm-actions <list>確認が必要なアクションのカテゴリ（AGENT_BROWSER_CONFIRM_ACTIONS 環境変数）

設定ファイル

永続的なデフォルト設定を指定するには、agent-browser.json を作成します（フラグを繰り返し指定する必要はありません）。

設定場所（優先度の低い順から高い順）：

  1. ~/.agent-browser/config.json — ユーザーレベルのデフォルト設定
  2. ./agent-browser.json — プロジェクトレベルの上書き設定
  3. AGENT_BROWSER_* 環境変数
  4. CLI フラグがすべての設定を上書きします
{
  "headed": true,
  "proxy": "http://localhost:8080",
  "profile": "./browser-data",
  "native": true
}

例：フォームの送信

agent-browser open https://example.com/form
agent-browser snapshot -i
# Output shows: textbox "Email" [ref=e1], textbox "Password" [ref=e2], button "Submit" [ref=e3]

agent-browser fill @e1 "[email protected]"
agent-browser fill @e2 "password123"
agent-browser click @e3
agent-browser wait --load networkidle
agent-browser snapshot -i  # Check result

例：保存済み状態を使った認証

# Login once
agent-browser open https://app.example.com/login
agent-browser snapshot -i
agent-browser fill @e1 "username"
agent-browser fill @e2 "password"
agent-browser click @e3
agent-browser wait --url "**/dashboard"
agent-browser state save auth.json

# Later sessions: load saved state
agent-browser state load auth.json
agent-browser open https://app.example.com/dashboard
ヘッダーベースの認証（ログインフローを省略）
# Headers scoped to api.example.com only
agent-browser open api.example.com --headers '{"Authorization": "Bearer <token>"}'
# Navigate to another domain - headers NOT sent (safe)
agent-browser open other-site.com
# Global headers (all domains)
agent-browser set headers '{"X-Custom-Header": "value"}'
認証ボールト
# Store credentials locally (encrypted). The LLM never sees passwords.
echo "pass" | agent-browser auth save github --url https://github.com/login --username user --password-stdin
agent-browser auth login github

セッションと永続プロファイル

セッション（並列ブラウザー）
agent-browser --session test1 open site-a.com
agent-browser --session test2 open site-b.com
agent-browser session list
セッションの永続化（自動保存／復元）
agent-browser --session-name twitter open twitter.com
# Login once, state persists automatically across restarts
# State files stored in ~/.agent-browser/sessions/
永続プロファイル

ブラウザーの再起動後も、Cookie、localStorage、IndexedDB、サービスワーカー、キャッシュ、ログインセッションを保持します。

agent-browser --profile ~/.myapp-profile open myapp.com
# Or via env var
AGENT_BROWSER_PROFILE=~/.myapp-profile agent-browser open myapp.com

JSON 出力（解析用）

機械可読な出力を得るには、--json を追加します。

agent-browser snapshot -i --json
agent-browser get text @e1 --json

ローカルファイル

agent-browser --allow-file-access open file:///path/to/document.pdf
agent-browser --allow-file-access open file:///path/to/page.html

CDP モード

agent-browser connect 9222                                          # Local CDP port
agent-browser --cdp 9222 snapshot                                   # Direct CDP on each command
agent-browser --cdp "wss://browser-service.com/cdp?token=..." snapshot  # Remote via WebSocket
agent-browser --auto-connect snapshot                               # Auto-discover running Chrome

クラウドプロバイダー

# Browserbase
BROWSERBASE_API_KEY="key" BROWSERBASE_PROJECT_ID="id" agent-browser -p browserbase open example.com

# Browser Use
BROWSER_USE_API_KEY="key" agent-browser -p browseruse open example.com

# Kernel
KERNEL_API_KEY="key" agent-browser -p kernel open example.com

iOS シミュレーター

agent-browser device list                                        # List available simulators
agent-browser -p ios --device "iPhone 16 Pro" open example.com   # Launch Safari
agent-browser -p ios snapshot -i                                 # Same commands as desktop
agent-browser -p ios tap @e1                                     # Tap
agent-browser -p ios swipe up                                    # Mobile-specific
agent-browser -p ios close                                       # Close session

ネイティブモード（実験的）

CDP を直接使用する純粋な Rust デーモンです。Node.js／Playwright は不要です。

agent-browser --native open example.com
# Or: export AGENT_BROWSER_NATIVE=1
# Or: {"native": true} in agent-browser.json

インストール：bun add -g agent-browser && agent-browser install。すべてのコマンドを確認するには、agent-browser --help を実行してください。リポジトリ：https://github.com/vercel-labs/agent-browser

コメント

Markdown 対応