browser-navigation

agent-browser によるブラウザー自動化

テスト、データ抽出、Web 操作に対応する包括的なブラウザー自動化です。

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 などの参照を含む要素を返します）
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は、再度スナップショットを取得します

インストール

# Install globally
npm install -g agent-browser

# Or use via npx
npx agent-browser open https://example.com

コマンドリファレンス

ナビゲーション

agent-browser open <url>      # Navigate to URL
agent-browser back            # Go back
agent-browser forward         # Go forward
agent-browser reload          # Reload page
agent-browser close           # Close browser

ページ分析（スナップショット）

agent-browser snapshot            # Full accessibility tree
agent-browser snapshot -i         # Interactive elements only (RECOMMENDED)
agent-browser snapshot -c         # Compact output
agent-browser snapshot -d 3       # Limit depth to 3
agent-browser snapshot -s "#main" # Scope to CSS selector

操作（スナップショットの @refs を使用）

# Clicking
agent-browser click @e1           # Click
agent-browser dblclick @e1        # Double-click
agent-browser hover @e1           # Hover

# Focus
agent-browser focus @e1           # Focus element

# Text Input
agent-browser fill @e2 "text"     # Clear and type
agent-browser type @e2 "text"     # Type without clearing

# Keyboard
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

# Forms
agent-browser check @e1           # Check checkbox
agent-browser uncheck @e1         # Uncheck checkbox
agent-browser select @e1 "value"  # Select dropdown option

# Scrolling
agent-browser scroll down 500     # Scroll page
agent-browser scrollintoview @e1  # Scroll element into view

# Other
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

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 to stdout
agent-browser screenshot path.png # Save to file
agent-browser screenshot --full   # Full page
agent-browser pdf output.pdf      # Save as PDF

動画の録画

agent-browser record start ./demo.webm    # Start recording
agent-browser click @e1                   # Perform actions
agent-browser record stop                 # Stop and save video
agent-browser record restart ./take2.webm # Stop current + start new

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

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

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

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

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
agent-browser dialog dismiss        # Dismiss dialog

JavaScript の実行

agent-browser eval "document.title"   # Run JavaScript

ワークフローの例

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

保存した状態での認証

# 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

データのスクレイピング

agent-browser open https://example.com/products
agent-browser snapshot -i --json > page_structure.json

# Get specific data
agent-browser get text @e5  # Product title
agent-browser get attr @e6 href  # Product link

ページ全体のスクリーンショットの撮影

agent-browser open https://example.com
agent-browser wait --load networkidle
agent-browser screenshot --full fullpage.png

ログインフローのテスト

# Navigate to login
agent-browser open https://app.example.com/login

# Take initial snapshot
agent-browser snapshot -i

# Fill credentials
agent-browser fill @e1 "[email protected]"
agent-browser fill @e2 "testpassword"

# Click login
agent-browser click @e3

# Wait for redirect
agent-browser wait --url "**/dashboard"

# Verify logged in
agent-browser get text @e10  # Should show username

デバッグ

agent-browser open example.com --headed              # Show browser window
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 --cdp 9222 snapshot                    # Connect via CDP

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

JSON 出力

機械可読形式で出力するには、--json を追加します。

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

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 first ".item" click
agent-browser find nth 2 "a" text

ベストプラクティス

1. 必ず最初にスナップショットを取得する：操作する前に、現在のページの状態を取得します
2. インタラクティブモード（-i）を使用する：クリックや入力が可能な要素のみを表示します
3. 適切に待機する：ページ遷移後は --load networkidle を使用します
4. 変更後にスナップショットを再取得する：DOM が更新されると参照は無効になります
5. 認証状態を保存する：ログインの繰り返しを避けます
6. デバッグには --headed を使用する：ブラウザーに表示される内容を確認できます
7. コンソールでエラーを確認する：agent-browser console で問題を確認できます

このスキルを使用する場面

• Web アプリケーションのエンドツーエンドテスト
• 繰り返し行う Web タスクの自動化
• Web サイトからのデータのスクレイピング
• フロントエンドの問題のデバッグ
• ドキュメント用のスクリーンショットの撮影
• デモ動画の録画
• UI 機能の検証
• プログラムによるフォームへの入力

競合する MCP を無効にする

Chrome DevTools または Playwright MCP が有効な場合、同じ機能をこのスキルでカバーできるため、コンテキストを節約するために無効にするかユーザーに確認してください。

次のコマンドを実行してもらいます。

/mcp

chrome-devtools または playwright が表示された場合は、削除を提案してください。

/mcp remove chrome-devtools
/mcp remove playwright

これらのコマンドは自分で実行しないでください。MCP を無効にするかどうかはユーザーに判断してもらってください。