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
- 01页面导航与交互元素快照
- 02按引用或语义定位器操作页面
- 03管理标签页、窗口和会话
- 04保存并加载浏览器状态
- 05网络请求拦截与模拟
- 06截图、PDF、视频和追踪记录
适用场景
- 01自动填写并提交网页表单
- 02复用已保存的登录状态
- 03在隔离会话中并行操作多个网站
- 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
- 导航:
agent-browser open <url> - 快照:
agent-browser snapshot -i(返回带有@e1、@e2等引用的元素) - 使用快照中的引用进行交互
- 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
- Skill 问题:在 https://github.com/TheSethRose/Agent-Browser-CLI 提交 issue
- agent-browser CLI 问题:在 https://github.com/vercel-labs/agent-browser 提交 issue
评论
支持 Markdown