什么是 agent-browser？
agent-browser 是一个基于 Rust 的高性能无头浏览器自动化 CLI，同时提供 Node.js 回退方案，专为 AI 助手设计。它允许开发者通过结构化命令进行网页导航、点击、输入、截图等操作，非常适合自动化网页交互、提取结构化数据、表单填写和 UI 测试。
安装方法
1. 通过 npm 安装（推荐）
npm install -g agent-browser
agent-browser install
agent-browser install --with-deps
2. 从源码构建
git clone https://github.com/vercel-labs/agent-browser
cd agent-browser
pnpm install
pnpm build
agent-browser install
核心命令
导航
agent-browser open <url> # 跳转到指定网址
agent-browser back # 后退
agent-browser forward # 前进
agent-browser reload # 重新加载
agent-browser close # 关闭浏览器
页面快照（分析页面元素）
agent-browser snapshot # 完整的无障碍访问树
agent-browser snapshot -i # 仅交互式元素（推荐）
agent-browser snapshot -c # 紧凑输出
agent-browser snapshot -d 3 # 限制深度为 3
交互操作（使用快照返回的 @ref 引用）
agent-browser click @e1 # 点击元素
agent-browser fill @e2 "文本" # 清空并输入
agent-browser type @e2 "文本" # 直接输入（不清空）
agent-browser press Enter # 按下 Enter 键
agent-browser hover @e1 # 悬停
获取信息
agent-browser get text @e1 # 获取元素文本
agent-browser get html @e1 # 获取内部 HTML
agent-browser get value @e1 # 获取输入框的值
等待与条件
agent-browser wait @e1 # 等待元素出现
agent-browser wait 2000 # 等待 2000 毫秒
agent-browser wait --text "成功" # 等待文本出现
完整示例：自动化登录
# 1. 打开登录页面
agent-browser open https://example.com/login
# 2. 获取交互元素快照
agent-browser snapshot -i
# 3. 填写用户名和密码（假设快照中 e1 是用户名框，e2 是密码框，e3 是提交按钮）
agent-browser fill @e1 "user@example.com"
agent-browser fill @e2 "password123"
# 4. 点击登录
agent-browser click @e3
# 5. 等待页面跳转
agent-browser wait --load networkidle
# 6. 检查结果
agent-browser snapshot -i
高级功能
- 会话管理：支持多会话并行，使用
--session参数隔离环境。 - 状态保存与恢复：使用
agent-browser state save auth.json保存登录状态，下次直接加载恢复会话。 - 录制视频：通过
agent-browser record start demo.webm录制操作过程，适合制作演示。 - 网络拦截与模拟：可以拦截、修改或阻断请求，用于测试。
- 设备模拟：支持设置视口、模拟移动设备、地理位置等。
适用场景
- 自动化测试与回归测试
- 数据抓取与网页监控
- 自动填写表单、批量操作
- 网页截图与 PDF 导出
- 演示录制与教学视频制作
总结
agent-browser 将复杂的浏览器自动化任务简化为一条条直观的命令，让 AI 助手能够轻松操控网页。无论你是开发人员、测试工程师还是数据工作者，它都能帮助你大幅提升工作效率。今天介绍的只是其功能的一部分，更多用法请参考官方文档。
发表回复