Findings24Findings24
agent-browser logo

agent-browser

認領

agent-browser 是一款供 AI 代理使用的瀏覽器自動化 CLI，可啟動 Chrome，提供基於 ref 的快照，並支援多種命令列瀏覽器操作。提供 macOS、Linux 與 Windows 原生二進位檔。

AI代理開發AI開發者工具AI測試與QA
訪問網站
agent-browser preview

供 AI 代理使用的瀏覽器自動化 CLI

agent-browser 是一款供 AI 代理使用的瀏覽器自動化 CLI。它透過原生 Rust 常駐程序啟動並控制 Chrome，並使用精簡文字輸出，讓瀏覽器狀態在代理情境中保持可讀。

此產品以基於 ref 的快照流程為核心：瀏覽器會回傳帶有穩定 refs 的無障礙樹，而後續命令可以直接與這些 refs 互動。文件將其定位為適合以 shell 驅動的代理，並列出對導覽、表單、截圖、網路檢查、儲存空間、分頁、框架、除錯及其他瀏覽器工作的支援。

安裝方式包括 npm、npx、Homebrew、Cargo 與原始碼建置，並提供 macOS、Linux 與 Windows 的原生二進位檔。網站也記錄了設定檔、環境變數，以及用於持久化工作階段、代理、自訂瀏覽器可執行檔與瀏覽器自動化 MCP 伺服器的命令。

功能

精簡的基於 ref 快照

snapshot 命令會回傳一個精簡的無障礙樹，包含如 `@e1` 與 `@e2` 之類的 refs，設計上可減少 token 使用量並讓元素選取更具決定性。

廣泛的命令覆蓋

此 CLI 涵蓋導覽、表單、截圖、網路、儲存、檔案、分頁、框架與除錯，網站中共記錄了 50+ 個命令。

可觀察的瀏覽器工作階段

內建工具包括影片錄製、串流、除錯、剖析器與差異比對，因此可在不離開 CLI 的情況下檢視瀏覽器工作階段。

跨平台原生二進位檔

文件強調對 macOS、Linux 與 Windows 的原生支援，使用的是 Rust 二進位檔，而不是瀏覽器擴充套件的包裝器。

具狀態的瀏覽器工作階段

工作階段可保留設定檔、驗證狀態、Cookie、儲存空間、代理設定與安全控制，適用於較長時間執行的工作流程。

進階工作流程支援

設定與安裝文件提到代理支援、初始化腳本、React 與 Web Vitals 工作流程，以及適用於應用程式特定自動化的 Next.js + Vercel 文件。

使用案例

  • AI 驅動的瀏覽器互動

    當 AI 代理需要從終端機對瀏覽器進行可決定性的控制時，可使用 CLI 開啟頁面、取得快照，並透過 ref 點擊或填寫欄位。

  • 長時間的已驗證工作流程

    當你需要瀏覽器在較長的工作流程或重複執行之間維持登入狀態時，可使用持久化工作階段、設定檔、Cookie 與儲存空間。

  • 除錯與視覺檢視

    當你需要檢視渲染變化或擷取瀏覽器行為以供除錯時，可使用螢幕截圖、影片錄製、串流、剖析器與差異比對。

  • 受控環境與 CI

    在 CI、devcontainer 或受企業網路限制的環境中進行自動化時，可使用代理設定、自訂啟動參數與安裝時的依賴輔助工具。

  • 代理協助開發

    當與 Claude Code、Cursor、GitHub Copilot 或 OpenAI Codex 等程式碼代理搭配使用時，可利用文件中記載的原生整合與 shell 命令工作流程。

Pros and Cons

Pros

  • 精簡文字輸出旨在比完整 DOM 或 JSON 輸出使用更少的 token。
  • 快照會公開元素 refs，讓後續命令之間的互動更具決定性。
  • 此 CLI 包含大量已記錄的瀏覽器操作，從導覽與表單到截圖、網路、儲存與除錯都有涵蓋。
  • macOS、Linux 與 Windows 都提供原生二進位檔。
  • 設定支援持久化預設值、環境覆寫與專案層級設定。

Cons

  • 目前可取得的證據中，定價頁未提供穩定且已發布的方案摘要。
  • 部分整合與供應商細節僅在可取得的來源中部分記錄，因此其支援生態系比已審核證據所能確認的更廣。

FAQ

agent-browser 是用來做什麼的？

它是一款為 AI 代理設計的瀏覽器自動化 CLI。文件描述了可用於開啟頁面、取得快照、透過 ref 點擊、填寫表單、擷取螢幕截圖，以及透過 CDP 連接瀏覽器的命令。

我要如何安裝 agent-browser？

安裝文件提供全域安裝、專案安裝、macOS 上的 Homebrew、Cargo，以及 npx 快速開始選項。Linux 使用者也可以使用 `agent-browser install --with-deps` 安裝所需的系統依賴。

基本工作流程是如何運作的？

命令參考顯示了一個以 shell 為導向的流程：開啟頁面、取得快照以獲得元素 ref，然後使用這些 ref 透過 click、fill、type 和 screenshot 等命令進行互動。

它支援哪些類型的命令？

文件列出了可用命令中的 `snapshot`、`screenshot`、`pdf`、`read`、`stream`、`connect` 和 `mcp`，以及導覽、表單、分頁、檔案和除錯操作。

它支援哪些平台與代理？

網站文件說明其提供 macOS、Linux 與 Windows 的原生二進位檔，並表示可與能執行 shell 命令的代理搭配使用，包括 Claude Code、Cursor、GitHub Copilot、OpenAI Codex 和 Gemini。

Quick Facts

類別
開發者工具
主要用途
供 AI 代理使用的瀏覽器自動化
平台
macOS、Linux、Windows
介面
具原生 Rust 常駐程序的 CLI
來源網域
agent-browser.dev
工作流程
開啟頁面 → 快照 refs → 以命令互動