Agent-browser浏览器自动化CLI

微信 ezpoda免费咨询：AI编程 | AI模型微调| AI私有化部署 | AI工具导航 | Tripo 3D | Meshy AI

跨平台、功能丰富、极快：重新定义AI上下文通信的Agent优先紧凑文本输出。

对于AI开发者来说，在开发AI Agent时与浏览器交互是一个频繁的过程。让AI Agent更高效地操作浏览器是一个具有挑战性的问题。最近，在搜索AI浏览器自动化测试解决方案时，我发现了Vercel开源的agent-browser，这是一款专为AI Agent设计的浏览器自动化CLI。

agent-browser的特性：

• 基于引用：快照返回带有引用的可访问树。
• Agent优先：高效利用AI上下文，节省token。
• 会话：支持多个具有独立身份验证的隔离浏览器实例。
• 功能完整：支持超过50个命令，包括导航、表单操作和截图。
• 跨平台：支持macOS、Linux和Windows平台。

1、安装agent-browser

在安装agent-browser之前，请确保您的计算机上已安装Node.js。

在命令行中输入以下命令。-g选项表示全局安装。

npm install -g agent-browser

成功安装agent-browser CLI后，继续输入命令agent-browser install，这将开始下载Chromium浏览器。

安装Chromium浏览器...
需要安装以下软件包：
playwright@1.58.2
确定继续？(y) y

成功安装Chromium浏览器后，命令行将输出成功安装的消息。

正在下载Chrome for Testing 145.0.7632.6 (playwright chromium v1208)...
162.3 MiB [====================] 100% 0.0s
...
✓ Chromium安装成功

2、使用agent-browser

2.1 打开网页

agent-browser open https://agent-browser.dev/

输出：

✓ 无头浏览器自动化 for AI
  https://agent-browser.dev/

2.2 获取当前网页的可访问树

agent-browser snapshot -i

输出：

- 链接 "Made with love by Vercel" [ref=e1]
- 链接 "agent-browser" [ref=e2]
- 链接 "16k" [ref=e3]
- 链接 "npm" [ref=e4]
...
- 按钮 "Ask AI" [ref=e26]

2.3 使用引用进行交互

agent-browser click @e3

输出：

✓ 完成

2.4 截图

agent-browser screenshot ./page.png

输出：

✓ 截图已保存到 ./page.png

2.5 关闭浏览器

agent-browser close

输出：

✓ 浏览器已关闭

3、安装Skills

agent-browser是一款专为AI Agent设计的CLI。结合AI Agent，您可以轻松地自动化浏览器操作。

安装agent-browser skill后，您可以在Cursor、Claude Code或Codex中控制浏览器，执行您想要的任务。

npx skills add vercel-labs/agent-browser --skill agent-browser

由于我的电脑上已经安装了Claude Code和LM Studio，并且下载了qwen3.5-35b-a3b模型，我使用以下命令启动Claude：

claude --model qwen3.5-35b-a3b

然后输入截图任务。Claude将开始执行任务并在命令行中显示执行过程：

❯ 保存 https://agent-browser.dev/ 网页的截图到当前目录。
  ⎿ 初始化中…
  ⎿  无效的工具参数

⏺ Skill(agent-browser)
  ⎿  成功加载skill · 2个工具允许

⏺ 我将导航到网页并截图。
⏺ Bash(agent-browser open https://agent-browser.dev &&
      agent-browser wait --load networkidle && agent-browser
      screenshot screenshot.png)
  ⎿  ✓ 无头浏览器自动化 for AI
       https://agent-browser.dev/
  ⎿  ✓ 完成
  ⎿  截图已保存到screenshot.png

4、结束语

本文仅介绍了 agent-browser的一些功能。它还可以控制iOS模拟器中的Safari浏览器来执行移动Web应用测试任务。此外，它支持CDP模式，让您可以轻松连接到本地或远程浏览器。

除了agent-browser skill外，它还提供与dogfood、electron和slack相关的skills。如果您感兴趣，可以阅读官方agent-browser文档了解更多详情。

原文链接: Browser Automation CLI Designed for AI Agents Has Arrived

汇智网翻译整理，标明出处