GitHub TrendingGitHub Trending 项目2026-11-06约 8 分钟3,327 字

agent-browser：为 AI 智能体打造的浏览器自动化 CLI

本文目录

agent-browser#

面向 AI 智能体的浏览器自动化：打开页面，以无障碍树（accessibility tree）读取页面，并从 shell 对元素执行操作。

agent-browser 是一个原生 Rust CLI，为 AI 智能体提供一个可以一次一条命令驱动的浏览器。snapshot 把页面返回为紧凑文本，并为每个元素附带一个类似 @e1 的引用（ref）。智能体对引用执行操作，再次读取页面检查结果，然后重复。浏览器在命令之间保持打开，因此每一步都是一次简短的 shell 调用。

安装#

npm install -g agent-browser
agent-browser install # download Chrome for Testing (first time only)

Homebrew：brew install agent-browser，然后运行 agent-browser install。

Linux：agent-browser install --with-deps 还会安装浏览器所需的系统库。

无需安装：npx agent-browser open example.com。

项目内安装、从源码构建、升级和 doctor 诊断，请参阅 Installation。

快速开始#

agent-browser open example.com
agent-browser snapshot -i # interactive elements, each with a ref
agent-browser click @e1 # act on a ref from that snapshot
agent-browser get url # check the result
agent-browser close

example.com 的快照：

- link "Learn more" [ref=e1]

引用描述的是快照生成时的页面。在导航或 DOM 变化之后，使用引用前需要重新拍摄快照。

CSS 选择器、文本、XPath 和语义定位器也可以使用，例如 agent-browser find role button click --name "Submit"。参见 Selectors。

当目标被隐藏、禁用、位于视口之外，或被另一个元素（如同意横幅）遮挡时，点击会失败，而不是报告成功。关闭遮挡元素，重新拍摄快照，然后重试。

完整演练见快速开始。

工作原理#

CLI 把每条命令发送给一个后台守护进程（daemon），该进程在第一条命令时启动，并通过 Chrome DevTools Protocol 控制浏览器。每个 --session 都有自己的守护进程和浏览器。默认情况下，守护进程会在无命令一小时后关闭无头浏览器并退出，如果配置了会话持久化，则会先保存状态。

Chrome for Testing 是默认浏览器。你也可以通过 --cdp 或 --auto-connect（CDP 模式）附加到正在运行的 Chrome，用 --engine 选择 Lightpanda 或 Obscura 引擎，在 iOS 模拟器中驱动 Mobile Safari，或使用 Browserbase、Browserless、Browser Use、Kernel 或 AgentCore 等云浏览器提供商。

面向 AI 智能体#

CLI 附带与其版本匹配的技能：

agent-browser skills get core # the core loop, refs, waiting, and common workflows
agent-browser skills get core --ref commands # one reference, such as the full command list
agent-browser skills get core --full # adds the full command reference and templates
agent-browser skills list # specialized skills: electron, slack, dogfood, and more

从 skills.sh 把发现技能安装到智能体工具链中：

npx skills add vercel-labs/agent-browser

安装的技能是一个薄薄的存根（stub），它告诉智能体加载 agent-browser skills get core，因此其指令始终与已安装的 CLI 匹配。或者把下面内容加入你的 AGENTS.md：

Use `agent-browser` for browser automation. Before the first use, run
`agent-browser skills get core` and follow it.

对于 MCP 客户端，agent-browser mcp 会通过 stdio 启动一个 MCP 服务器。参见 MCP server。

命令#

运行 agent-browser --help 查看完整列表，或运行 agent-browser <command> --help 查看单个命令。

分组	命令	文档
导航与读取	`open`、`back`、`forward`、`reload`、`read`、`snapshot`、`get`、`is`	Core、Snapshots
交互	`click`、`dblclick`、`fill`、`type`、`press`、`keyboard`、`hover`、`focus`、`select`、`check`、`uncheck`、`scroll`、`drag`、`upload`、`mouse`、`find`	Core、Find elements
等待	`wait`	Wait
捕获	`screenshot`、`pdf`、`record`、`download`、`diff`	Recording、Diffing、Files
页面与网络状态	`cookies`、`storage`、`network`、`set`、`clipboard`、`eval`、`pushstate`	Network、Settings
标签页、框架与对话框	`tab`、`frame`、`dialog`	Tabs and frames
调试与性能	`console`、`errors`、`highlight`、`inspect`、`trace`、`profiler`、`vitals`、`react`、`a11y`	Debugging、Profiler、React
会话与认证	`session`、`state`、`auth`、`profiles`、`confirm`、`deny`	Sessions、Security
智能体与集成	`skills`、`mcp`、`webmcp`、`flow`、`chat`、`batch`、`plugin`	Skills、WebMCP、Plugins
观察	`stream`、`dashboard`	Streaming、Dashboard
安装	`install`、`upgrade`、`doctor`、`connect`、`close`	Installation

标志、环境变量和 agent-browser.json 的文档见 Configuration。

平台#

原生二进制适用于 macOS（ARM64、x64）、Linux（ARM64、x64、glibc 和 musl）以及 Windows（x64）。npm 包会为主机选择正确的二进制。

开发#

从源码构建需要 Node.js 24 或更高版本、pnpm 11 或更高版本，以及 Rust：

pnpm install
pnpm build:source # builds the dashboard and the native CLI
pnpm link --global
agent-browser install

在 cli/ 中运行 Rust 检查：

cargo fmt -- --check
cargo clippy
cargo test
cargo test e2e -- --ignored --test-threads=1 # launches real headless Chrome

AGENTS.md 列出了每次变更需要更新的文件、文档检查和发布流程。

文档#

agent-browser.dev：介绍、指南和参考

命令与配置
安全：认证保险库（auth vault）、域名允许列表、动作策略和内容边界
Next.js 与 Vercel 及 eve：在 Vercel Sandbox 和 eve 智能体中运行 agent-browser

变更日志见 Changelog。

许可#

Apache-2.0

关于#

面向 AI 智能体的浏览器自动化 CLI

agent-browser.dev