browseros

BrowserOS によるブラウザー自動化

browseros-cli を使って、実際の Chromium ブラウザーを操作します。Bash 経由でコマンドを実行します。構造化出力には --json を使い、特定のタブを対象にするには -p <pageId> を使います。

使用しない場合

• 表示画面のない CI/CD でのヘッドレススクレイピング — 代わりに Playwright または Puppeteer を使います。
• curl／wget で十分な静的ページの取得。

安全なデフォルト設定

• まずは読み取り専用の操作を優先します：snap、text、links、pages、ss。
• より簡単なコマンドで実行できない場合を除き、eval は避けます。
• スクリーンショットや PDF は、ユーザー指定のパスまたはワークスペースのパスにのみ保存します。
• 作業が終わったらタブを閉じます：browseros-cli close <pageId>。

セットアップ

# Check if CLI is available
browseros-cli --version

# If not installed:
npm install -g browseros-cli

# If BrowserOS app is not installed:
browseros-cli install

# If BrowserOS is not running:
browseros-cli launch

# Configure connection:
browseros-cli init --auto

# Verify:
browseros-cli health

基本的なワークフロー：snap → act → re-snap

すべての操作は、次のループに従います。

1. ページを開く → ページ ID を取得します。
2. スナップショットを取得する → [10] textbox "Email"、[15] button "Submit" のような要素 ID を取得します。
3. 要素 ID を指定して操作する（fill 10 "text"、click 15）。
4. クリック、ページ移動、フォーム送信の後は必ずスナップショットを再取得します — DOM の更新後に ID が変わるためです。

重要なルール：

• open <url> = 新しいタブを開きます。nav <url> = 現在のタブを移動します。
• ページ移動後は要素 ID を絶対に再利用せず、必ずもう一度 snap を実行してください。
• コンテンツの抽出には text、操作には snap、視覚的な確認には ss を使います。

browseros-cli open https://example.com/login    # → Page ID: 5
browseros-cli snap -p 5                          # → [10] textbox "Email", [11] textbox "Password", [15] button "Sign In"
browseros-cli fill 10 "[email protected]"
browseros-cli fill 11 "password123"
browseros-cli click 15
browseros-cli snap -p 5                          # Re-snap! IDs have changed after submit
browseros-cli text -p 5                          # Read result page
browseros-cli close 5                            # Clean up

コマンド早見表

カテゴリ	主なコマンド
移動	open <url>、open --hidden、nav <url>、back、forward、reload、pages、active、close [id]
確認	snap、snap -e、text、text --selector <css>、text --links、text --viewport、links、ss -o <path>、ss --full、eval "<js>"、dom、dom-search "<q>"、wait --text "<txt>"
入力	click <id>、click --double、fill <id> "text"、clear <id>、key Enter、hover <id>、focus <id>、check <id>、uncheck <id>、select <id> "val"、scroll down [amt]、drag <id> --to <id>、upload <id> <file>、dialog accept/dismiss
エクスポート	pdf <path>、download <id> <dir>
リソース	window list/create/close/activate、bookmark list/search/create/remove/update/move、history recent/search/delete、group list/create/update/ungroup/close

フラグとオプションの全一覧については、references/cli-commands.md を参照するか、browseros-cli <command> --help を実行してください。

よく使うパターン

データの抽出

browseros-cli open https://example.com/data
browseros-cli text                         # full page as markdown
browseros-cli text --selector "table"      # scoped to element
browseros-cli text --links                 # include hyperlinks

複数タブを使った調査

browseros-cli open https://site-a.com      # → Page ID: 1
browseros-cli open https://site-b.com      # → Page ID: 2
browseros-cli text -p 1                    # extract from first
browseros-cli text -p 2                    # extract from second
browseros-cli close 1 && browseros-cli close 2

Web アプリのテスト

browseros-cli open http://localhost:3000
browseros-cli snap                         # get interactive elements
browseros-cli ss -o test-state.png         # visual snapshot
browseros-cli eval "document.querySelectorAll('.error').length"

よくある間違い

間違い	修正方法
CSS セレクターを使う（fill --selector "input[type=email]"）	必ず先に snap を実行し、その後で要素 ID を使います（fill 10 "text"）
クリックまたはページ移動後に要素 ID を再利用する	DOM の変更によって ID は無効になります — もう一度 snap を実行します
テキストの抽出に eval を使う	代わりに text または text --selector を使います — トークン数が少なく、構造化された出力が得られます
タブを閉じ忘れる	リソースのリークを防ぐため、作業が終わったら必ず close <pageId> を実行します
新しいタブを開きたいときに nav を使う	nav は現在のタブを置き換えます。新しいタブを開くには open を使います
同じタブに留まりたいときに open を使う	open は新しいタブを作成します。現在のタブ内で移動するには nav を使います
コンテンツの抽出にスクリーンショットを撮る	コンテンツには text を使います — スクリーンショットはトークンを消費し、ビジョン機能が必要になります
dialog --accept（フラグ構文）を使う	正しい構文は dialog accept または dialog dismiss です（位置引数）

詳細ドキュメント

リファレンス	説明
references/cli-commands.md	すべてのフラグを含むコマンドの完全なリファレンス

リンク

• BrowserOS
• CLI ソース
• MCP セットアップガイド
• スキルのリポジトリ