mcpField
A
agent-browser

agent-browser

github.com/joneqianAgent 工作流3254 次安装37 周前更新
代码仓库

关于 agent-browser

agent-browser 是用于自动化浏览器交互的命令行工具。它通过页面快照和元素引用实现导航、表单操作、信息读取、截图及多会话工作流。

主要功能

  1. 01导航并控制页面
  2. 02检查无障碍快照
  3. 03通过元素引用进行交互
  4. 04读取文本、值和页面信息
  5. 05截图并等待指定条件
  6. 06运行并行浏览器会话

适用场景

  1. 01自动提交表单
  2. 02测试页面交互与导航
  3. 03检查页面内容和错误

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/joneqian/claude-skills-suite --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

安装

npm（推荐）
npm install -g agent-browser
agent-browser install  # Download Chromium

快速开始

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 等引用的元素）
  3. 使用快照中的引用进行交互
  4. 导航或 DOM 发生重大变化后，重新生成快照

命令

导航
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
快照（页面分析）
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
交互（使用快照中的 @ 引用）
agent-browser click @e1           # Click
agent-browser dblclick @e1        # Double-click
agent-browser fill @e2 "text"     # Clear and type
agent-browser type @e2 "text"     # Type without clearing
agent-browser press Enter         # Press key
agent-browser press Control+a     # Key combination
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
agent-browser scrollintoview @e1  # Scroll element into view
获取信息
agent-browser get text @e1        # Get element text
agent-browser get value @e1       # Get input value
agent-browser get title           # Get page title
agent-browser get url             # Get current URL
截图
agent-browser screenshot          # Screenshot to stdout
agent-browser screenshot path.png # Save to file
agent-browser screenshot --full   # Full page
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 --load networkidle      # Wait for network idle
语义定位器（替代引用）
agent-browser find role button click --name "Submit"
agent-browser find text "Sign In" click
agent-browser find label "Email" fill "[email protected]"

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

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

JSON 输出（用于解析）

添加 --json 以获取机器可读的输出：

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

调试

agent-browser open example.com --headed  # Show browser window
agent-browser console                    # View console messages
agent-browser errors                     # View page errors

评论

支持 Markdown