Findings24Findings24
agent-browser logo

agent-browser

认领

agent-browser 是面向 AI agent 的浏览器自动化 CLI，可启动 Chrome，提供基于 ref 的快照，并支持丰富的命令行浏览器操作。提供 macOS、Linux 和 Windows 原生二进制文件。

AI智能体开发AI开发者工具AI测试与QA
访问网站
agent-browser preview

面向 AI agent 的浏览器自动化 CLI

agent-browser 是面向 AI agent 的浏览器自动化 CLI。它通过原生 Rust 守护进程启动并控制 Chrome，并使用紧凑的文本输出，使浏览器状态在 agent 场景中保持可读。

该产品围绕基于 ref 的快照工作流构建：浏览器返回带有稳定 ref 的可访问性树，后续命令可直接与这些 ref 交互。文档将其定位为适合 shell 驱动的 agent，并列出了对导航、表单、截图、网络检查、存储、标签页、框架、调试及其他浏览器任务的支持。

安装方式包括 npm、npx、Homebrew、Cargo 和源码构建，并提供适用于 macOS、Linux 和 Windows 的原生二进制文件。网站还记录了配置文件、环境变量，以及用于持久会话、代理、自定义浏览器可执行文件和浏览器自动化 MCP 服务器的命令。

功能特点

基于 ref 的紧凑快照

snapshot 命令会返回一个紧凑的可访问性树，并包含如 `@e1` 和 `@e2` 这样的 ref，旨在减少 token 使用量并让元素选择更具确定性。

广泛的命令覆盖

CLI 覆盖导航、表单、截图、网络、存储、文件、标签页、框架和调试等功能，网站中记录了 50 多个命令。

可观测的浏览器会话

内置工具包括视频录制、流式传输、调试、分析器和 diff，因此无需离开 CLI 也能检查浏览器会话。

跨平台原生二进制文件

文档强调其对 macOS、Linux 和 Windows 的原生支持，并采用 Rust 二进制文件，而不是浏览器扩展的包装层。

有状态的浏览器会话

会话可以保留配置文件、认证状态、cookie、存储、代理设置和安全控制，适用于更长时间运行的工作流。

高级工作流支持

配置和安装文档提到了代理支持、初始化脚本、React 和 Web Vitals 工作流，以及用于特定应用自动化的 Next.js + Vercel 文档。

使用场景

  • AI 驱动的浏览器交互

    当 AI agent 需要从终端获得确定性的浏览器控制时，可使用 CLI 打开页面、截取快照，并按 ref 点击或填写字段。

  • 长时间运行的已认证工作流

    当需要浏览器在较长工作流或重复运行中保持登录状态时，可使用持久会话、配置文件、cookie 和存储。

  • 调试与可视化检查

    当需要检查渲染变化或为调试捕获浏览器行为时，可使用截图、视频录制、流式传输、分析器和 diff。

  • 受控环境与 CI

    在 CI、devcontainer 或受企业网络限制的环境中自动化时，可使用代理设置、自定义启动参数和安装时依赖辅助工具。

  • agent 辅助开发

    在与 Claude Code、Cursor、GitHub Copilot 或 OpenAI Codex 等编码 agent 配对时，可使用文档中的原生集成和 shell 命令工作流。

Pros and Cons

Pros

  • 紧凑的文本输出旨在比完整 DOM 或 JSON 输出使用更少的 token。
  • 快照会暴露元素 ref，使后续命令中的交互更具确定性。
  • CLI 包含了广泛记录的浏览器操作，从导航和表单到截图、网络、存储和调试。
  • 提供适用于 macOS、Linux 和 Windows 的原生二进制文件。
  • 配置支持持久默认值、环境变量覆盖和项目级设置。

Cons

  • 现有证据中的定价页面目前未提供稳定发布的方案摘要。
  • 一些集成和提供方细节仅在收集到的来源中部分提及，因此所支持的生态范围比已审核证据能够确认的更广。

FAQ

agent-browser 用于什么？

它是一个面向 AI agent 的浏览器自动化 CLI。文档说明它可打开页面、通过 ref 截取快照、按 ref 点击、填写表单、捕获截图，并通过 CDP 连接浏览器。

如何安装 agent-browser？

安装文档展示了全局安装、项目安装、macOS 上的 Homebrew、Cargo，以及 npx 快速开始等选项。Linux 用户还可以使用 `agent-browser install --with-deps` 安装所需的系统依赖。

基本工作流程是怎样的？

命令参考展示了一个以 shell 为导向的工作流程：打开页面，截取快照获取元素 ref，然后使用这些 ref 通过 click、fill、type 和 screenshot 等命令进行交互。

它支持哪些类型的命令？

文档列出了 `snapshot`、`screenshot`、`pdf`、`read`、`stream`、`connect` 和 `mcp` 等可用命令，同时也包含导航、表单、标签页、文件和调试相关操作。

它支持哪些平台和 agent？

网站文档说明其提供适用于 macOS、Linux 和 Windows 的原生二进制文件，并表示它可与能够运行 shell 命令的 agent 协同工作，包括 Claude Code、Cursor、GitHub Copilot、OpenAI Codex 和 Gemini。

Quick Facts

类别
开发者工具
主要用途
面向 AI agent 的浏览器自动化
平台
macOS、Linux、Windows
界面
带原生 Rust 守护进程的 CLI
源域名
agent-browser.dev
工作流
打开页面 → 截取 ref 快照 → 使用命令交互