# agent-browser agent-browser 是面向 AI agent 的浏览器自动化 CLI，支持 Chrome、ref 快照及跨平台原生二进制文件。 - Findings24: - 网站: - 价格: Freemium - 分类: AI编程助手, AI开发者工具, AI 测试助手 ## 什么是 agent-browser？ 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。 ## agent-browser 能做什么？ ### 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。 ## 常见问题 ### 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。 ## 快速信息 - **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