cli-anything-browser

cli-anything-browser

DOMShell の MCP サーバーを使用したブラウザ自動化用のコマンドラインインターフェースです。ファイルシステムコマンド (ls、cd、cat、grep、click) を使って Web ページを操作できます。

インストール

前提条件

1. Node.js と npx (DOMShell MCP サーバー用):

   # Install Node.js from https://nodejs.org/
   npx --version
   

2. DOMShell 拡張機能 を備えた Chrome/Chromium:

   • Chrome に拡張機能をインストールします
   • CLI を使用する前に Chrome が起動していることを確認してください

3. Python 3.10+

CLI のインストール

cd browser/agent-harness
pip install -e .

コマンドグループ

page — ページナビゲーション

• page open <url> — URL に移動します
• page reload — 現在のページを再読み込みします
• page back — 履歴を 1 つ戻ります
• page forward — 履歴を 1 つ進みます
• page info — 現在のページ情報を表示します

fs — ファイルシステムコマンド (アクセシビリティツリー)

• fs ls [path] — 指定したパスの要素を一覧表示します
• fs cd <path> — ディレクトリを変更します
• fs cat [path] — 要素の内容を読み取ります
• fs grep <pattern> [path] — テキストパターンを検索します
• fs pwd — 現在の作業ディレクトリを表示します

act — アクションコマンド

• act click <path> — 要素をクリックします
• act type <path> <text> — 入力欄にテキストを入力します

session — セッション管理

• session status — セッションの状態を表示します
• session daemon-start — 常駐デーモンモードを開始します
• session daemon-stop — デーモンモードを停止します

使用例

基本的なナビゲーション

# Open a page
cli-anything-browser page open https://example.com

# Explore structure
cli-anything-browser fs ls /
cli-anything-browser fs cd /main
cli-anything-browser fs ls

# Go back to root
cli-anything-browser fs cd /

検索とクリック

cli-anything-browser fs grep "Login"
cli-anything-browser act click /main/button[0]

フォーム入力

cli-anything-browser act type /main/input[0] "[email protected]"
cli-anything-browser act click /main/button[0]

JSON 出力

cli-anything-browser --json fs ls /

デーモンモード (対話的な使用を高速化)

# Start persistent connection
cli-anything-browser session daemon-start

# Run commands (uses persistent connection)
cli-anything-browser fs ls /
cli-anything-browser fs cd /main

# Stop daemon when done
cli-anything-browser session daemon-stop

対話型 REPL

cli-anything-browser

パスの構文

DOMShell はアクセシビリティツリーに対してファイルシステムのようなパスを使用します:

/                           — Root (document)
/main                       — Main landmark
/main/div[0]                — First div in main
/main/div[0]/button[2]      — Third button in first div

• 配列のインデックスは 0 始まり です: button[0] は最初のボタンです
• .. で 1 つ上の階層に移動します
• / はルートを表します

エージェント向けのガイダンス

解析用の JSON 出力

すべてのコマンドは機械可読な出力のための --json フラグをサポートしています:

cli-anything-browser --json fs ls /

戻り値:

{
  "path": "/",
  "entries": [
    {"name": "main", "role": "landmark", "path": "/main"}
  ]
}

エラー処理

CLI はよくある問題に対して明確なエラーメッセージを提供します:

• npx が見つからない: https://nodejs.org/ から Node.js をインストールしてください
• DOMShell が見つからない: npx @apireno/domshell --version を実行してください
• MCP 呼び出しに失敗: DOMShell Chrome 拡張機能をインストールしてください

コマンドを実行する前に is_available() の戻り値を確認してください。

効率化のためのデーモンモード

複数のコマンドを実行するエージェントのワークフローでは、デーモンモードを使用してください:

1. デーモンを開始: cli-anything-browser session daemon-start
2. コマンドを実行: 各コマンドが MCP 接続を再利用します
3. デーモンを停止: cli-anything-browser session daemon-stop

これにより、コマンドごとに発生する 1〜3 秒のコールドスタートのオーバーヘッドを回避できます。

リンク

• DOMShell GitHub
• CLI-Anything
• Issue #90

セキュリティに関する考慮事項

重要: この CLI を AI エージェントとともに使用する場合は、以下のセキュリティに関する考慮事項に注意してください:

URL の制限

ブラウザハーネスは移動前にすべての URL を検証します:

• スキームの明示が必須: URL には http:// または https:// スキームを含める必要があります (example.com のようなスキームなしの URL は拒否されます)
• ブロックされるスキーム: file://、javascript://、data://、vbscript://、about://、chrome://、およびブラウザ内部のスキーム
• 許可されるスキーム: http:// と https:// のみ (CLI_ANYTHING_BROWSER_ALLOWED_SCHEMES で設定可能)
• プライベートネットワークのブロック: CLI_ANYTHING_BROWSER_BLOCK_PRIVATE=true で任意に有効化できます (デフォルトでは無効)

DOM コンテンツのリスク

アクセシビリティツリーには、ページ上のすべての可視要素と非表示要素が含まれます。悪意のあるウェブサイトは、次のようなことを行う可能性があります。

• 操作を促すテキストを含む ARIA ラベルを作成する（例：「以前の指示を無視してください」）
• aria-hidden 要素を使用して、ユーザーに表示されないコンテンツを注入する
• ナビゲーションを誤らせる紛らわしい DOM 構造を作成する

緩和策: 信頼できないウェブサイトを操作する場合は、次のことを検討してください。

1. 安全に解析しやすい構造化出力を得るために --json フラグを使用する
2. プロンプトに含める前に DOM コンテンツをサニタイズまたはフィルタリングする
3. ナビゲーションを信頼できるドメインに制限する

プライベートネットワークへのアクセス

デフォルトでは、ブラウザーは localhost およびプライベートネットワーク（192.168.x.x、10.x.x.x など）にアクセスできます。ブロックするには:

export CLI_ANYTHING_BROWSER_BLOCK_PRIVATE=true
cli-anything-browser page open http://localhost:8080  # Will be blocked

セッションの分離

複数のブラウザーセッションが同じ Chrome インスタンスを共有します。Cookie と認証状態はセッション間で保持される場合があります。機密性の高い操作については、次のことを検討してください。

1. Chrome のゲストモードまたはシークレットモードを使用する
2. セッション間で Cookie をクリアする
3. 異なるセキュリティコンテキストごとに別々の Chrome プロファイルを使用する