remote-browser

沙盒 Agent 的浏览器自动化

此技能适用于运行在沙盒远程机器（云 VM、CI、编码 Agent）上的 Agent，这些 Agent 需要控制无头浏览器。

前置条件

browser-use doctor    # Verify installation

有关设置详情，请参阅 https://github.com/browser-use/browser-use/blob/main/browser_use/skill_cli/README.md

核心工作流

1. 导航：browser-use open <url> — 如有需要，启动无头浏览器
2. 检查：browser-use state — 返回带索引的可点击元素
3. 交互：使用 state 中的索引（browser-use click 5、browser-use input 3 "text"）
4. 验证：使用 browser-use state 或 browser-use screenshot 确认
5. 重复：浏览器会在各命令之间保持打开
6. 清理：完成后运行 browser-use close

浏览器模式

browser-use open <url>                                    # Default: headless Chromium
browser-use cloud connect                                 # Provision cloud browser and connect
browser-use --connect open <url>                          # Auto-discover running Chrome via CDP
browser-use --cdp-url ws://localhost:9222/... open <url>  # Connect via CDP URL

命令

# Navigation
browser-use open <url>                    # Navigate to URL
browser-use back                          # Go back in history
browser-use scroll down                   # Scroll down (--amount N for pixels)
browser-use scroll up                     # Scroll up
browser-use tab list                      # List all tabs with lock status
browser-use tab new [url]                 # Open a new tab (blank or with URL)
browser-use tab switch <index>            # Switch to tab by index
browser-use tab close <index> [index...]  # Close one or more tabs

# Page State — always run state first to get element indices
browser-use state                         # URL, title, clickable elements with indices
browser-use screenshot [path.png]         # Screenshot (base64 if no path, --full for full page)

# Interactions — use indices from state
browser-use click <index>                 # Click element by index
browser-use click <x> <y>                 # Click at pixel coordinates
browser-use type "text"                   # Type into focused element
browser-use input <index> "text"          # Click element, then type
browser-use keys "Enter"                  # Send keyboard keys (also "Control+a", etc.)
browser-use select <index> "option"       # Select dropdown option
browser-use upload <index> <path>         # Upload file to file input
browser-use hover <index>                 # Hover over element
browser-use dblclick <index>              # Double-click element
browser-use rightclick <index>            # Right-click element

# Data Extraction
browser-use eval "js code"                # Execute JavaScript, return result
browser-use get title                     # Page title
browser-use get html [--selector "h1"]    # Page HTML (or scoped to selector)
browser-use get text <index>              # Element text content
browser-use get value <index>             # Input/textarea value
browser-use get attributes <index>        # Element attributes
browser-use get bbox <index>              # Bounding box (x, y, width, height)

# Wait
browser-use wait selector "css"           # Wait for element (--state visible|hidden|attached|detached, --timeout ms)
browser-use wait text "text"              # Wait for text to appear

# Cookies
browser-use cookies get [--url <url>]     # Get cookies (optionally filtered)
browser-use cookies set <name> <value>    # Set cookie (--domain, --secure, --http-only, --same-site, --expires)
browser-use cookies clear [--url <url>]   # Clear cookies
browser-use cookies export <file>         # Export to JSON
browser-use cookies import <file>         # Import from JSON

# Python — persistent session with browser access
browser-use python "code"                 # Execute Python (variables persist across calls)
browser-use python --file script.py       # Run file
browser-use python --vars                 # Show defined variables
browser-use python --reset                # Clear namespace

# Session
browser-use close                         # Close browser and stop daemon
browser-use sessions                      # List active sessions
browser-use close --all                   # Close all sessions

Python browser 对象提供：browser.url、browser.title、browser.html、browser.goto(url)、browser.back()、browser.click(index)、browser.type(text)、browser.input(index, text)、browser.keys(keys)、browser.upload(index, path)、browser.screenshot(path)、browser.scroll(direction, amount)、browser.wait(seconds)。

隧道

通过 Cloudflare 隧道向浏览器公开本地开发服务器。

browser-use tunnel <port>                 # Start tunnel (idempotent)
browser-use tunnel list                   # Show active tunnels
browser-use tunnel stop <port>            # Stop tunnel
browser-use tunnel stop --all             # Stop all tunnels

命令串联

命令可以使用 && 串联。浏览器通过守护进程保持运行，因此串联操作安全且高效。

browser-use open https://example.com && browser-use state
browser-use input 5 "[email protected]" && browser-use input 6 "password" && browser-use click 7

如果不需要中间输出，可以串联命令。如果需要先解析 state 以发现索引，则应分别运行。

常见工作流

公开本地开发服务器

python -m http.server 3000 &                      # Start dev server
browser-use tunnel 3000                            # → https://abc.trycloudflare.com
browser-use open https://abc.trycloudflare.com     # Browse the tunnel

隧道独立于浏览器会话，即使运行 browser-use close 后仍会保持运行。

多 Agent（--connect 模式）

多个 Agent 可以通过 --connect 共用一个浏览器。每个 Agent 都有自己的标签页，其他 Agent 无法干扰。

设置：注册一次，然后在每条 --connect 命令中传入索引：

INDEX=$(browser-use register)                    # → prints "1"
browser-use --connect $INDEX open <url>          # Navigate in agent's own tab
browser-use --connect $INDEX state               # Get state from agent's tab
browser-use --connect $INDEX click <element>     # Click in agent's tab

• 标签页锁定：当 Agent 修改标签页（点击、输入、导航）时，该标签页会被锁定给它。其他 Agent 尝试修改同一标签页时会收到错误。
• 只读访问：无论标签页是否被锁定，state、screenshot、get 和 wait 命令都可在任何标签页上使用。
• Agent 会话将在闲置 5 分钟后过期。再次运行 browser-use register 以获取新索引。

全局选项

选项	描述
--headed	显示浏览器窗口
--connect	通过 CDP 自动发现正在运行的 Chrome
--cdp-url <url>	通过 CDP URL（http:// 或 ws://）连接
--session NAME	指定命名会话（默认值："default"）
--json	以 JSON 格式输出

提示

1. 始终先运行 state，查看可用元素及其索引
2. 会话会持续保留 — 浏览器会在各命令之间保持打开，直到将其关闭
3. 隧道相互独立 — 运行 browser-use close 后仍会保持运行
4. tunnel 是幂等的 — 对同一端口再次调用时会返回现有 URL

故障排除

• 浏览器无法启动？ 运行 browser-use close 后重试。运行 browser-use doctor 进行检查。
• 找不到元素？ 运行 browser-use scroll down，然后运行 browser-use state
• 隧道无法使用？ 运行 which cloudflared 进行检查，并运行 browser-use tunnel list 查看活动隧道

清理

browser-use close                         # Close browser session
browser-use tunnel stop --all             # Stop tunnels (if any)