| name | agent-browser-zh |
| description | 基于 Vercel 的 agent-browser 的浏览器自动化 CLI，专为 AI 智能体设计。这是 AI 驱动的浏览器自动化的最佳工具——使用来自无障碍树的确定性引用代替脆弱的选择器。针对 LLM 进行了优化，具有快速的 Rust CLI、JSON 输出和专用的 AI 工作流。当您需要可靠、可脚本化的浏览器自动化时使用。 |
agent-browser 技能
真正为 AI 智能体打造的浏览器自动化工具。由 Vercel Labs 专门为 LLM 驱动的工作流构建。
为什么这比替代方案更好
1. 确定性引用（游戏规则改变者）
传统工具的问题：
- CSS 选择器在网站更改时会失效
- XPath 脆弱且难以阅读
- 基于坐标的点击在响应式布局上失败
- 基于视觉的方法速度慢且成本高
agent-browser 的解决方案：
agent-browser snapshot -i --json
agent-browser click @e2
- 引用是确定性的 —
@e2 始终指向快照中的同一元素
- 无需重新查询 DOM — 直接引用更快、更可靠
- 针对 AI 优化 — LLM 自然地解析无障碍树，而不是 CSS 混合体
2. 无障碍树 > 截图/HTML
传统工具提供原始 HTML（嘈杂）或截图（需要视觉模型）。
agent-browser 提供无障碍树 — 人类（或屏幕阅读器）感知的干净、语义化表示：
- heading "Billing" [level=1]
- link "Make a payment" [ref=e10]
- button "Submit" [ref=e2]
- textbox "Email" [ref=e3]
- 语义角色（button、link、textbox、heading）
- 人类可读的标签
- 层次结构
- 完美适配 LLM 理解
3. 为 AI 智能体构建
| 功能 | 传统工具 | agent-browser |
|---|
| 元素定位 | 脆弱的选择器 | 确定性引用 |
| 页面理解 | 原始 HTML | 无障碍树 |
| 输出格式 | 文本日志 | 结构化 JSON |
| 速度 | 慢（每个命令启动完整浏览器） | 快（守护进程持久化） |
| AI 集成 | 事后补充 | 专用构建 |
4. 快速架构
- Rust CLI — 原生二进制文件，即时命令解析
- Node.js 守护进程 — 浏览器在命令之间保持活跃
- 首次命令： ~2秒（守护进程启动）
- 后续命令： ~100毫秒
前置条件
npm install -g agent-browser
agent-browser install
核心 AI 工作流
为 LLM 智能体设计的工作流：
agent-browser open https://example.com
agent-browser snapshot -i --json
agent-browser click @e2
agent-browser fill @e3 "test@example.com"
agent-browser snapshot -i --json
agent-browser close
命令
导航
agent-browser open example.com
agent-browser open example.com --json
agent-browser open example.com --headed
快照（杀手级功能）
agent-browser snapshot
agent-browser snapshot -i
agent-browser snapshot -i --json
agent-browser snapshot -i -c -d 5 --json
交互（使用确定性引用）
agent-browser click @e2
agent-browser fill @e3 "text"
agent-browser type @e3 "text"
agent-browser press Enter
agent-browser hover @e4
状态验证
agent-browser get text @e1
agent-browser get url
agent-browser is visible @e2
会话管理
agent-browser --session login open site.com
agent-browser --profile ~/.myprofile open site
agent-browser close
选择器策略（按可靠性排名）
1. 引用（最佳 - 使用这些）
agent-browser click @e2
agent-browser fill @e3 "text"
2. 语义定位器（良好）
agent-browser find role button click --name "Submit"
agent-browser find label "Email" fill "test@test.com"
3. CSS 选择器（适用于静态站点）
agent-browser click "#submit"
agent-browser click ".btn-primary"
4. 文本/XPath（最后手段）
agent-browser click "text=Submit"
agent-browser click "xpath=//button[1]"
快照选项
控制 AI "看到" 的内容：
| 标志 | 用途 |
|---|
-i | 仅交互元素（按钮、链接、输入）— 推荐 |
-C | 包含光标交互元素（onclick、cursor:pointer） |
-c | 紧凑（移除空的结构元素） |
-d <n> | 限制树深度 |
-s <sel> | 范围限制到 CSS 选择器（例如 #main） |
--json | 机器可读的 JSON 输出 — AI 必需 |
推荐的 AI 命令：
agent-browser snapshot -i -c --json
选项
| 标志 | 描述 |
|---|
--json | 带有 success/data/error 结构的 JSON 输出 |
--headed | 显示浏览器窗口（用于调试） |
--session <name> | 隔离的浏览器会话 |
--profile <path> | 用于 cookies/登录的持久化配置文件 |
--cdp <port> | 通过 DevTools 协议连接到现有 Chrome |
--headers <json> | 按源设置认证头 |
示例：完整登录流程
agent-browser open https://portal.aeronetpr.com
SNAPSHOT=$(agent-browser snapshot -i --json)
agent-browser fill @e1 "username"
agent-browser fill @e2 "password"
agent-browser click @e3
sleep 2
agent-browser snapshot -i --json
agent-browser close
AI 智能体技巧
- 始终使用
--json — 结构化输出比文本更容易解析
- 使用
-i 标志 — 仅交互快照更小、更快、更干净
- 操作后重新快照 — 验证状态按预期更改
- 信任引用胜过选择器 — 快照中的
@e2 > 可能会改变的 #id
- 当引用过期时使用语义定位器 —
find role button click 很健壮
- 会话持久化 — 一次
open，多个命令，一次 close
与其他工具的比较
| 工具 | 最适合 | agent-browser 的优势 |
|---|
| Puppeteer/Playwright | 开发测试 | 为人类构建；选择器脆弱 |
| Selenium | 传统测试 | 慢、重、基于选择器 |
| browser-use | Python 智能体 | agent-browser 有更好的引用系统 |
| 截图 + 视觉 | 视觉任务 | agent-browser 快 10 倍，便宜 100 倍 |
| OpenClaw browser 工具 | 简单任务 | agent-browser 更好地处理复杂流程 |
何时使用此技能
在以下情况使用 agent-browser：
- 自动化多步骤 Web 工作流
- 填写复杂表单
- 需要可靠、可重复的自动化
- 处理动态/现代 Web 应用
- 成本重要（无视觉 API 调用）
在以下情况使用 OpenClaw 内置浏览器工具：
- 简单的单页检查
- 需要快速截图
- Chrome 中已有经过身份验证的会话
资源
