| name | agent-browser |
| description | 浏览器自动化 workflow:打开网页、获取可交互 snapshot、点击、填写表单、截图与读取 JS 渲染内容。用户需要真实 browser interaction、DOM refs、页面操作或截图时使用。 |
| compatibility | linux |
| allowed-tools | exec_command |
| metadata | {"hypo.category":"pure","hypo.backend":"exec","hypo.exec_profile":"cli-json","hypo.triggers":"browser,浏览器,网页,页面,网页交互,网页操作,点击,点一下,按钮,链接,表单,截图,打开网页,js渲染,dom,页面元素,snapshot","hypo.risk":"medium","hypo.dependencies":"agent-browser","hypo.cli_package":"agent-browser","hypo.cli_commands":"agent-browser","hypo.io_format":"json-stdio"} |
Agent Browser 使用指南
定位 (Positioning)
agent-browser 是真实浏览器自动化 workflow,用于打开网页、读取 JS 渲染后的页面内容、生成带 ref 的交互式 snapshot、执行点击/填写/等待/截图等动作。
适用场景 (Use When)
- 用户需要真实
browser interaction,而不是普通网页搜索。
- 页面依赖 JavaScript 渲染,
agent-search 或直接 web_read 不够用。
- 用户要点击按钮、填写表单、等待页面状态变化、抓取交互元素或截图。
与 Agent Search 的边界
- 普通公开信息检索、事实核验、读静态页面,优先使用
agent-search。
- 只有当需要真实浏览器状态、页面交互、DOM refs 或 screenshot 时,才切到
agent-browser。
工具与接口 (Tools)
- 通过
exec_command 调用 agent-browser CLI。
- 默认所有 inspect 类调用都加
--json,这样 stdout 返回结构化 JSON。
- 同一轮浏览器任务中,使用稳定的
--session <name> 维持页面状态;推荐值如 --session agent-browser.
- 常用命令模板见
references/command-patterns.md。
标准流程 (Workflow)
- 先用
agent-browser --json --session <name> open <url> 打开页面。
- 再用
agent-browser --json --session <name> snapshot -i 获取可交互元素和 ref。
- 后续点击、填写、获取文本、截图等操作都复用同一个
--session。
- 页面较慢时,先调用
wait,再做 snapshot 或后续动作。
- 输出时总结关键页面状态和操作结果,不要直接堆完整 JSON。
参数约定 (Parameters)
- 打开页面:
agent-browser --json --session <name> open <url>
- 获取交互式 snapshot:
agent-browser --json --session <name> snapshot -i
- 点击 ref:
agent-browser --json --session <name> click @e2
- 填写输入框:
agent-browser --json --session <name> fill @e3 "value"
- 读取文本:
agent-browser --json --session <name> get text @e1
- 截图:
agent-browser --json --session <name> screenshot <path>
边界与风险 (Guardrails)
- 不要用 shell chaining,例如
&&;每一步用单独的 exec_command,靠 --session 维持浏览器状态。
- 默认保持 read-first。未经用户明确要求,不要提交表单、下单、登录、删除内容或触发其他破坏性动作。
- 页面交互前优先先做
snapshot -i,不要盲点选择器。
- 涉及登录态、cookie、下载文件或跨站操作时,要明确说明风险和当前步骤。