cli-anything-browser

cli-anything-browser

一个使用 DOMShell 的 MCP 服务进行浏览器自动化的命令行界面。使用文件系统命令浏览网页：ls、cd、cat、grep、click。

安装

前置条件

1. Node.js 和 npx（用于 DOMShell MCP 服务）：

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

2. Chrome/Chromium 以及 DOMShell 扩展：

   • 在 Chrome 中安装扩展
   • 使用 CLI 前确保 Chrome 正在运行

3. Python 3.10+

安装 CLI

cd browser/agent-harness
pip install -e .

命令组

page — 页面导航

• page open <url> — 导航到 URL
• page reload — 重新加载当前页面
• page back — 在历史记录中后退
• page forward — 在历史记录中前进
• page info — 显示当前页面信息

fs — 文件系统命令（无障碍树）

• fs ls [path] — 列出路径下的元素
• fs cd <path> — 切换目录
• fs cat [path] — 读取元素内容
• fs grep <pattern> [path] — 搜索文本模式
• fs pwd — 打印工作目录

act — 操作命令

• act click <path> — 点击元素
• act type <path> <text> — 在输入框中输入文本

session — 会话管理

• session status — 显示会话状态
• session daemon-start — 启动持久守护进程模式
• session daemon-stop — 停止守护进程模式

使用示例

基本导航

# 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 /

搜索并点击

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

表单填写

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

JSON 输出

cli-anything-browser --json fs ls /

守护进程模式（更快的交互式使用）

# 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

交互式 REPL

cli-anything-browser

路径语法

DOMShell 为无障碍树使用类似文件系统的路径：

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

• 数组索引从 0 开始：button[0] 是第一个按钮
• 使用 .. 向上一级
• 使用 / 表示根目录

面向 Agent 的指南

用于解析的 JSON 输出

所有命令都支持 --json 标志以输出机器可读的结果：

cli-anything-browser --json fs ls /

返回：

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

错误处理

CLI 针对常见问题提供清晰的错误消息：

• 找不到 npx：从 https://nodejs.org/ 安装 Node.js
• 找不到 DOMShell：运行 npx @apireno/domshell --version
• MCP 调用失败：安装 DOMShell Chrome 扩展

在运行命令前检查 is_available() 的返回值。

使用守护进程模式提高效率

对于包含多个命令的 Agent 工作流，请使用守护进程模式：

1. 启动守护进程：cli-anything-browser session daemon-start
2. 运行命令：每条命令复用 MCP 连接
3. 停止守护进程：cli-anything-browser session daemon-stop

这样可以避免每条命令 1-3 秒的冷启动开销。

链接

• DOMShell GitHub
• CLI-Anything
• Issue #90

安全注意事项

重要：在将本 CLI 与 AI Agent 一起使用时，请注意以下安全注意事项：

URL 限制

浏览器工具链会在导航前验证所有 URL：

• 必须显式指定协议：URL 必须包含 http:// 或 https:// 协议（不带协议的 URL 如 example.com 会被拒绝）
• 阻止的协议：file://、javascript://、data://、vbscript://、about://、chrome:// 以及浏览器内部协议
• 允许的协议：仅 http:// 和 https://（可通过 CLI_ANYTHING_BROWSER_ALLOWED_SCHEMES 配置）
• 阻止私有网络：可通过 CLI_ANYTHING_BROWSER_BLOCK_PRIVATE=true 启用（默认禁用）

DOM 内容风险

无障碍树包含页面上所有可见和隐藏的元素。恶意网站可能会：

• 构造带有操纵性文本的 ARIA 标签（例如，“忽略之前的指令”）
• 利用 aria-hidden 元素注入用户不可见的内容
• 创建误导导航的混乱 DOM 结构

缓解措施：与不受信任的网站交互时，请考虑：

1. 使用 --json 标志输出结构化结果，更易于安全解析
2. 在将 DOM 内容纳入提示词之前对其进行清理或过滤
3. 将导航限制在受信任的域名内

私有网络访问

默认情况下，浏览器可以访问 localhost 和私有网络（192.168.x.x、10.x.x.x 等）。如需阻止：

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

会话隔离

多个浏览器会话共享同一个 Chrome 实例。Cookie 和身份验证状态可能会跨会话保留。对于敏感操作，请考虑：

1. 使用 Chrome 的访客模式或无痕模式
2. 在会话之间清除 Cookie
3. 为不同的安全场景使用独立的 Chrome 配置文件