mcpField
A
agent-browser

agent-browser

github.com/code-yeongyu生产力70.5k55 次安装今天更新
代码仓库

关于 agent-browser

agent-browser 是供 Agent 使用的浏览器自动化技能，通过命令行检查和操作网页。它将无障碍快照与元素引用结合，并提供截图、存储、网络检查和会话管理功能。

主要功能

  1. 01导航并控制浏览器页面
  2. 02检查无障碍树和交互元素
  3. 03通过引用或语义定位器操作
  4. 04生成截图、PDF 和录屏
  5. 05管理标签页、存储和会话状态
  6. 06检查并拦截网络请求

适用场景

  1. 01填写并提交网页表单
  2. 02使用已保存状态自动操作登录会话
  3. 03操作前检查页面结构
  4. 04保存网页截图或 PDF

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/agent-browser确认已加载。

详细介绍

使用 agent-browser 进行浏览器自动化

快速入门

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

核心工作流

  1. 导航：agent-browser open <url>
  2. 快照：agent-browser snapshot -i（返回带有 @e1、@e2 等引用标记的元素）
  3. 使用快照中的引用标记进行交互
  4. 导航或 DOM 发生重大变化后，重新获取快照

命令

导航
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)
快照（页面分析）
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

对于使用自定义可点击元素（div、span）而非标准按钮或链接的现代 Web 应用，-C 标志很有用。

交互（使用快照中的 @refs）
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
获取信息
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
检查状态
agent-browser is visible @e1      # Check if visible
agent-browser is enabled @e1      # Check if enabled
agent-browser is checked @e1      # Check if checked
截图和 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

带标注的截图会在可交互元素上叠加编号标签 [N]。每个标签都对应引用标记 @eN，因此引用标记既适用于视觉工作流，也适用于文本工作流：

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]
视频录制
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

录制会创建一个全新的上下文，但会保留会话中的 Cookie 和存储数据。

等待
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

加载状态：load、domcontentloaded、networkidle

鼠标控制
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
语义定位器（引用标记的替代方案）
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

操作：click、fill、type、hover、focus、check、uncheck、text 选项：--name <name>（按可访问名称筛选角色）、--exact（要求文本完全匹配）

浏览器设置
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 和存储
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
网络
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
标签页和窗口
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
框架
agent-browser frame "#iframe"     # Switch to iframe
agent-browser frame main          # Back to main frame
对话框
agent-browser dialog accept [text]  # Accept dialog (with optional prompt text)
agent-browser dialog dismiss        # Dismiss dialog
差异比较（比较快照、截图和 URL）
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
调试和性能分析
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
状态管理
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
设置
agent-browser install                 # Download Chromium browser
agent-browser install --with-deps     # Also install system deps (Linux)

全局选项

选项描述
--session <name>隔离的浏览器会话（AGENT_BROWSER_SESSION 环境变量）
--session-name <name>自动保存/恢复会话状态（AGENT_BROWSER_SESSION_NAME 环境变量）
--profile <path>持久化浏览器配置文件（AGENT_BROWSER_PROFILE 环境变量）
--state <path>从 JSON 文件加载存储状态（AGENT_BROWSER_STATE 环境变量）
--headers <json>适用于 URL 所属源的 HTTP 标头
--executable-path <path>自定义浏览器二进制文件（AGENT_BROWSER_EXECUTABLE_PATH 环境变量）
--extension <path>加载浏览器扩展（可重复使用；AGENT_BROWSER_EXTENSIONS 环境变量）
--args <args>浏览器启动参数（AGENT_BROWSER_ARGS 环境变量）
--user-agent <ua>自定义 User-Agent（AGENT_BROWSER_USER_AGENT 环境变量）
--proxy <url>代理服务器（AGENT_BROWSER_PROXY 环境变量）
--proxy-bypass <hosts>不使用代理的主机（AGENT_BROWSER_PROXY_BYPASS 环境变量）
--ignore-https-errors忽略 HTTPS 证书错误
--allow-file-access允许 file:// URL 访问本地文件
-p, --provider <name>云浏览器提供方（AGENT_BROWSER_PROVIDER 环境变量）
--device <name>iOS 设备名称（AGENT_BROWSER_IOS_DEVICE 环境变量）
--json输出机器可读的 JSON
--full, -f截取完整页面
--annotate带编号标签的标注截图（AGENT_BROWSER_ANNOTATE 环境变量）
--headed显示浏览器窗口（AGENT_BROWSER_HEADED 环境变量）
--cdp <port|wss://url>通过 Chrome DevTools Protocol 连接
--auto-connect自动发现正在运行的 Chrome（AGENT_BROWSER_AUTO_CONNECT 环境变量）
--color-scheme <scheme>配色方案：dark、light、no-preference（AGENT_BROWSER_COLOR_SCHEME 环境变量）
--download-path <path>默认下载目录（AGENT_BROWSER_DOWNLOAD_PATH 环境变量）
--native[实验性] 使用原生 Rust 守护进程（AGENT_BROWSER_NATIVE 环境变量）
--config <path>自定义配置文件（AGENT_BROWSER_CONFIG 环境变量）
--debug调试输出
安全选项
选项描述
--content-boundaries使用边界标记包裹页面输出（AGENT_BROWSER_CONTENT_BOUNDARIES 环境变量）
--max-output <chars>将页面输出截断至 N 个字符（AGENT_BROWSER_MAX_OUTPUT 环境变量）
--allowed-domains <list>以逗号分隔的允许域名模式列表（AGENT_BROWSER_ALLOWED_DOMAINS 环境变量）
--action-policy <path>操作策略 JSON 文件的路径（AGENT_BROWSER_ACTION_POLICY 环境变量）
--confirm-actions <list>需要确认的操作类别（AGENT_BROWSER_CONFIRM_ACTIONS 环境变量）

配置文件

创建 agent-browser.json 以设置持久默认值（无需重复指定标志）：

位置（优先级从低到高）：

  1. ~/.agent-browser/config.json — 用户级默认值
  2. ./agent-browser.json — 项目级覆盖设置
  3. AGENT_BROWSER_* 环境变量
  4. CLI 标志覆盖所有设置
{
  "headed": true,
  "proxy": "http://localhost:8080",
  "profile": "./browser-data",
  "native": true
}

示例：提交表单

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

示例：使用已保存状态进行身份验证

# 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
基于标头的身份验证（跳过登录流程）
# 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"}'
身份验证保险库
# 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

会话与持久化配置文件

会话（并行浏览器）
agent-browser --session test1 open site-a.com
agent-browser --session test2 open site-b.com
agent-browser session list
会话持久化（自动保存/恢复）
agent-browser --session-name twitter open twitter.com
# Login once, state persists automatically across restarts
# State files stored in ~/.agent-browser/sessions/
持久化配置文件

在浏览器重启后保留 Cookie、localStorage、IndexedDB、服务工作线程、缓存和登录会话。

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

JSON 输出（用于解析）

添加 --json 以生成机器可读的输出：

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

本地文件

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

CDP 模式

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

云服务提供商

# 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 模拟器

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

原生模式（实验性）

使用直接 CDP 的纯 Rust 守护进程 — 无需 Node.js/Playwright：

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

安装：bun add -g agent-browser && agent-browser install。运行 agent-browser --help 查看所有命令。仓库：https://github.com/vercel-labs/agent-browser

评论

支持 Markdown