agent-browser：面向 AI Agent 的浏览器自动化 CLI

agent-browser 是 Vercel Labs 推出的开源浏览器自动化工具，基于 Rust 和 Chrome DevTools Protocol（CDP）操控真实浏览器。它通过紧凑的无障碍树 Snapshot 和 Ref 引用帮助 AI Agent 高效理解网页，并支持网页交互、多会话、截图、网络调试和云浏览器接入。

主要功能

• Snapshot 无障碍树：以紧凑文本结构输出网页元素，并生成@e1等Ref引用。
• 网页交互：支持导航、点击、填写表单、滚动、键盘操作、文件上传和截图。
• 语义定位：可通过ARIA角色、文本、标签、占位符和alt文本定位元素。
• 多会话隔离：为不同任务分配独立Cookie、存储、认证和浏览历史。
• 网络拦截与调试：支持请求拦截、Mock、HAR录制和按条件过滤。
• 视觉对比：支持全页截图、标注截图、像素Diff和Snapshot文本Diff。
• 性能内省：可查看React组件树、Fiber记录和LCP、CLS、TTFB等Web Vitals。
• 实时Dashboard：通过WebSocket查看浏览器画面、控制台输出和AI交互过程。
• 云浏览器接入：可连接Browserless、Browserbase、Kernel和AWS AgentCore等服务。

如何使用agent-browser

全局安装CLI：

npm install -g agent-browser
agent-browser install

打开网页并获取Snapshot：

agent-browser open example.com
agent-browser snapshot -i

根据返回的Ref执行操作，例如agent-browser click @e2或agent-browser fill @e3 "[email protected]"。完成后可使用agent-browser screenshot page.png导出截图，并通过agent-browser close关闭会话。

项目地址：官网 · GitHub仓库

核心优势

• 上下文开销较低：按需返回网页结构和交互元素，适合LLM调用。
• 真实浏览器控制：基于CDP连接Chrome，能够处理动态网页和登录态场景。
• 原生跨平台：提供macOS、Linux和Windows版本，且不依赖Node运行时执行核心二进制。
• 操作能力完整：覆盖网页自动化、测试、截图、网络和性能分析。
• 多会话可并行：适合Agent分治任务和自动化测试流水线。

应用场景

• 网页任务自动化：执行搜索、数据采集、表单填写和资料整理。
• 端到端测试：验证网页流程、交互行为和不同登录状态。
• UI回归测试：结合截图和Snapshot Diff检查页面变化。
• 云端数据采集：在CI/CD或Serverless环境中运行浏览器任务。
• 前端性能监控：采集Web Vitals和React渲染数据。
• 多平台网页研究：并行访问多个网站，汇总结构化研究结果。

agent-browser可能访问浏览器Cookie、登录态和本地文件。使用前请限制会话权限，避免在包含敏感账号的浏览器环境中执行不可信任务，并遵守目标网站的自动化规则。