mcpField
A
Agent Browser

Agent Browser

github.com/thesethroseAgent 工作流30135 次安装41 周前更新
代码仓库

关于 Agent Browser

Agent Browser 是用于浏览器自动化的命令行工具,可供 Agent 通过页面快照定位元素并执行交互。它还提供会话、页面状态管理、网络拦截及截图和录制功能。

主要功能

  1. 01页面导航与交互元素快照
  2. 02按引用或语义定位器操作页面
  3. 03管理标签页、窗口和会话
  4. 04保存并加载浏览器状态
  5. 05网络请求拦截与模拟
  6. 06截图、PDF、视频和追踪记录

适用场景

  1. 01自动填写并提交网页表单
  2. 02复用已保存的登录状态
  3. 03在隔离会话中并行操作多个网站
  4. 04录制浏览器操作并排查页面错误

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/thesethrose/agent-browser-cli --skill agent-browser

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

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

CONTRIBUTING.md
.gitignore
.clawdhub/
origin.json

详细介绍

使用 agent-browser 进行浏览器自动化

安装

推荐使用 npm
npm install -g agent-browser
agent-browser install
agent-browser install --with-deps
从源代码安装
git clone https://github.com/vercel-labs/agent-browser
cd agent-browser
pnpm install
pnpm build
agent-browser install

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
agent-browser snapshot -s "#main" # Scope to CSS selector
交互(使用快照中的 @refs)
agent-browser click @e1           # Click
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 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
agent-browser scrollintoview @e1  # Scroll element into view
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
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 to stdout
agent-browser screenshot path.png # Save to file
agent-browser screenshot --full   # Full page
agent-browser pdf output.pdf      # Save as PDF
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

录制会创建一个新的上下文,但会保留会话中的 Cookie 和存储。如果未提供 URL,系统会自动返回当前页面。若要制作流畅的演示,请先探索页面,再开始录制。

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
鼠标控制
agent-browser mouse move 100 200      # Move mouse
agent-browser mouse down left         # Press button
agent-browser mouse up left           # Release button
agent-browser mouse wheel 100         # Scroll wheel
语义定位器(refs 的替代方式)
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
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
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
agent-browser dialog dismiss        # Dismiss dialog
JavaScript
agent-browser eval "document.title"   # Run JavaScript
状态管理
agent-browser state save auth.json    # Save session state
agent-browser state load auth.json    # Load saved state

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 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 record start ./debug.webm              # Record from current page
agent-browser record stop                            # Save recording
agent-browser --cdp 9222 snapshot                    # Connect via CDP

故障排除

  • 如果在 Linux ARM64 上找不到命令,请使用 bin 文件夹中的完整路径。
  • 如果找不到元素,请使用 snapshot 查找正确的 ref。
  • 如果页面尚未加载,请在导航后添加 wait 命令。
  • 使用 --headed 显示浏览器窗口以进行调试。

选项

  • --session 使用隔离的会话。
  • --json 提供 JSON 输出。
  • --full 截取整页截图。
  • --headed 显示浏览器窗口。
  • --timeout 设置命令超时时间(以毫秒为单位)。
  • --cdp 通过 Chrome DevTools Protocol 连接。

注意事项

  • Refs 在每次页面加载期间保持稳定,但会在导航时改变。
  • 导航后始终生成快照,以获取新的 refs。
  • 对输入字段使用 fill 而不是 type,以确保清除已有文本。

报告问题

评论

支持 Markdown