Agent Browser - Headless浏览器自动化工具，适配AI代理，支持可访问性树快照和基于ref的元素选择

使用可访问性树快照并通过 ref 实现确定性元素定位的高速浏览器自动化工具。

为什么选择它而不是内置浏览器工具

在以下场景使用 agent-browser：

• 自动化多步骤工作流
• 需要确定性的元素选择
• 对性能有严格要求
• 处理复杂的单页应用（SPA）
• 需要会话隔离

在以下场景使用内置浏览器工具：

• 需要截图 / PDF 进行分析
• 需要视觉检查
• 需要浏览器扩展集成

核心工作流

1. 导航并快照

agent-browser open https://example.com
agent-browser snapshot -i --json

2. 从 JSON 中解析 refs 后交互

agent-browser click @e2
agent-browser fill @e3 "text"

3. 页面变化后重新快照

agent-browser snapshot -i --json

关键命令

导航

agent-browser open 
agent-browser back | forward | reload | close

快照（始终使用 -i --json）

agent-browser snapshot -i --json                     # 只返回交互元素，JSON 输出
agent-browser snapshot -i -c -d 5 --json            # 加上 compact，深度限制
agent-browser snapshot -s "#main" -i               # 限定选择器范围

基于 Ref 的交互

agent-browser click @e2
agent-browser fill @e3 "text"
agent-browser type @e3 "text"
agent-browser hover @e4
agent-browser check @e5 | uncheck @e5
agent-browser select @e6 "value"
agent-browser press "Enter"
agent-browser scroll down 500
agent-browser drag @e7 @e8

获取信息

agent-browser get text @e1 --json
agent-browser get html @e2 --json
agent-browser get value @e3 --json
agent-browser get attr @e4 "href" --json
agent-browser get title --json
agent-browser get url --json
agent-browser get count ".item" --json

检查状态

agent-browser is visible @e2 --json
agent-browser is enabled @e3 --json
agent-browser is checked @e4 --json

等待

agent-browser wait @e2                          # 等待元素出现
agent-browser wait 1000                         # 等待毫秒数
agent-browser wait --text "Welcome"           # 等待文本出现
agent-browser wait --url "/dashboard"       # 等待 URL 匹配
agent-browser wait --load networkidle          # 等待网络空闲
agent-browser wait --fn "window.ready === true"

会话（隔离的浏览器实例）

agent-browser --session admin open site.com
agent-browser --session user open site.com
agent-browser session list
# 或者使用环境变量：AGENT_BROWSER_SESSION=admin agent-browser ...

agent-browser state save auth.json        # 保存 cookie / storage
agent-browser state load auth.json        # 加载（跳过登录）

agent-browser screenshot page.png
agent-browser screenshot --full page.png
agent-browser pdf page.pdf

agent-browser network route "/ads/" --abort               # 阻断广告请求
agent-browser network route "/api/" --body '{"x":1}'   # Mock 接口返回
agent-browser network requests --filter api                # 查看请求列表

Cookie 与 Storage

agent-browser cookies                         # 获取全部 cookie
agent-browser cookies set name value
agent-browser storage local key               # 获取 localStorage
agent-browser storage local set key val

标签页与框架

agent-browser tab new https://example.com
agent-browser tab 2                         # 切换到标签页 2
agent-browser frame @e5                     # 切换到 iframe
agent-browser frame main                    # 返回主框架

快照输出格式

{
  "success": true,
  "data": {
    "snapshot": "...",
    "refs": {
      "e1": {"role": "heading", "name": "Example Domain"},
      "e2": {"role": "button", "name": "Submit"},
      "e3": {"role": "textbox", "name": "Email"}
    }
  }
}

最佳实践

• 始终使用 -i 参数，仅关注交互元素
• 始终使用 --json，便于解析
• 等待页面稳定后再操作，例如 agent-browser wait --load networkidle
• 保存认证状态，避免重复登录：state save/load
• 使用会话实现不同账号或场景的隔离
• 调试时加 --headed 查看真实浏览器界面

示例：搜索并提取

agent-browser open https://www.google.com
agent-browser snapshot -i --json
# AI 识别搜索框 @e1
agent-browser fill @e1 "AI agents"
agent-browser press Enter
agent-browser wait --load networkidle
agent-browser snapshot -i --json
# AI 识别结果 refs
agent-browser get text @e3 --json
agent-browser get attr @e4 "href" --json

示例：多会话测试

# 管理员会话
agent-browser --session admin open app.com
agent-browser --session admin state load admin-auth.json
agent-browser --session admin snapshot -i --json
# 普通用户会话（并行）
agent-browser --session user open app.com
agent-browser --session user state load user-auth.json
agent-browser --session user snapshot -i --json

安装

npm install -g agent-browser --registry=https://registry.npmmirror.com
agent-browser install                     # 下载 Chromium
agent-browser install --with-deps        # Linux：额外安装系统依赖

致谢

Skill created by Yossi Elkrief (@MaTriXy)

agent-browser CLI by Vercel Labs