Menu
自动化浏览器交互，用于网页测试、表单填写、截图和数据提取。当用户需要导航网站、与网页交互、填写表单、截图、测试网页应用或从网页中提取信息时使用。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | agent-browser |
| description | 自动化浏览器交互，用于网页测试、表单填写、截图和数据提取。当用户需要导航网站、与网页交互、填写表单、截图、测试网页应用或从网页中提取信息时使用。 |
agent-browser open <url> # 导航到页面
agent-browser snapshot -i # 获取可交互元素及引用
agent-browser click @e1 # 通过引用点击元素
agent-browser fill @e2 "text" # 通过引用填写输入框
agent-browser close # 关闭浏览器
agent-browser open <url>agent-browser snapshot -i（返回带引用的元素，如 @e1、@e2）agent-browser open <url> # 导航到 URL（别名：goto, navigate）
agent-browser back # 后退
agent-browser forward # 前进
agent-browser reload # 重新加载页面
agent-browser close # 关闭浏览器（别名：quit, exit）
agent-browser snapshot # 完整无障碍树
agent-browser snapshot -i # 仅获取可交互元素（推荐）
agent-browser snapshot -i -C # 包含光标可交互元素（div 带 onclick 等）
agent-browser snapshot -c # 紧凑模式（移除空结构元素）
agent-browser snapshot -d 3 # 限制深度为 3
agent-browser snapshot -s "#main" # 限定到 CSS 选择器
agent-browser snapshot -i -c -d 5 # 组合选项
-C 标志适用于使用自定义可点击元素（div、span）而非标准按钮/链接的现代网页应用。
agent-browser click @e1 # 点击（--new-tab 在新标签页打开）
agent-browser dblclick @e1 # 双击
agent-browser focus @e1 # 聚焦元素
agent-browser fill @e2 "text" # 清空并输入
agent-browser type @e2 "text" # 输入不清空
agent-browser keyboard type "text" # 使用真实按键输入（无选择器，当前焦点）
agent-browser keyboard inserttext "text" # 插入文本不带按键事件（无选择器）
agent-browser press Enter # 按键
agent-browser press Control+a # 组合键
agent-browser keydown Shift # 按住按键
agent-browser keyup Shift # 松开按键
agent-browser hover @e1 # 悬停
agent-browser check @e1 # 勾选复选框
agent-browser uncheck @e1 # 取消勾选复选框
agent-browser select @e1 "value" # 选择下拉框
agent-browser scroll down 500 # 滚动页面（--selector <sel> 指定容器）
agent-browser scrollintoview @e1 # 滚动元素到视图（别名：scrollinto）
agent-browser drag @e1 @e2 # 拖放
agent-browser upload @e1 file.pdf # 上传文件
agent-browser get text @e1 # 获取元素文本
agent-browser get html @e1 # 获取 innerHTML
agent-browser get value @e1 # 获取输入值
agent-browser get attr @e1 href # 获取属性
agent-browser get title # 获取页面标题
agent-browser get url # 获取当前 URL
agent-browser get count ".item" # 统计匹配元素数量
agent-browser get box @e1 # 获取边界框
agent-browser get styles @e1 # 获取计算样式
agent-browser is visible @e1 # 检查是否可见
agent-browser is enabled @e1 # 检查是否启用
agent-browser is checked @e1 # 检查是否已勾选
agent-browser screenshot # 截图（无路径则保存到临时目录）
agent-browser screenshot path.png # 保存到文件
agent-browser screenshot --full # 整页截图
agent-browser screenshot --annotate # 带标注的截图，标注可交互元素编号
agent-browser pdf output.pdf # 保存为 PDF
带标注的截图会在可交互元素上叠加编号标签 [N]。每个标签对应引用 @eN，因此引用同时适用于视觉和文本工作流：
agent-browser screenshot --annotate ./page.png
# 输出: [1] @e1 button "Submit", [2] @e2 link "Home", [3] @e3 textbox "Email"
agent-browser click @e2 # 点击标记为 [2] 的 "Home" 链接
agent-browser record start ./demo.webm # 开始录制（使用当前 URL 和状态）
agent-browser click @e1 # 执行操作
agent-browser record stop # 停止并保存视频
agent-browser record restart ./take2.webm # 停止当前并开始新录制
录制会创建新上下文，但会保留会话中的 cookies 和存储。
agent-browser wait @e1 # 等待元素出现
agent-browser wait 2000 # 等待毫秒数
agent-browser wait --text "Success" # 等待文本出现
agent-browser wait --url "**/dashboard" # 等待 URL 匹配
agent-browser wait --load networkidle # 等待网络空闲
agent-browser wait --fn "window.ready" # 等待 JS 条件
加载状态：load、domcontentloaded、networkidle
agent-browser mouse move 100 200 # 移动鼠标
agent-browser mouse down left # 按下按钮（left/right/middle）
agent-browser mouse up left # 松开按钮
agent-browser mouse wheel 100 # 滚动滚轮
agent-browser find role button click --name "Submit"
agent-browser find text "Sign In" click
agent-browser find label "Email" fill "user@test.com"
agent-browser find placeholder "Search..." fill "query"
agent-browser find alt "Logo" click
agent-browser find title "Close" click
agent-browser find testid "submit-btn" click
agent-browser find first ".item" click
agent-browser find last ".item" click
agent-browser find nth 2 "a" text
操作：click、fill、type、hover、focus、check、uncheck、text
选项：--name <name>（按可访问名称过滤角色）、--exact（要求精确文本匹配）
agent-browser set viewport 1920 1080 # 设置视口大小
agent-browser set device "iPhone 14" # 模拟设备
agent-browser set geo 37.7749 -122.4194 # 设置地理位置
agent-browser set offline on # 切换离线模式
agent-browser set headers '{"X-Key":"v"}' # 额外 HTTP 头
agent-browser set credentials user pass # HTTP 基本认证
agent-browser set media dark # 模拟配色方案
agent-browser cookies # 获取所有 cookies
agent-browser cookies set name value # 设置 cookie
agent-browser cookies clear # 清除 cookies
agent-browser storage local # 获取所有 localStorage
agent-browser storage local key # 获取特定键
agent-browser storage local set k v # 设置值
agent-browser storage local clear # 清除全部
agent-browser storage session # sessionStorage 同上操作
agent-browser network route <url> # 拦截请求
agent-browser network route <url> --abort # 阻止请求
agent-browser network route <url> --body '{}' # 模拟响应
agent-browser network unroute [url] # 移除路由
agent-browser network requests # 查看追踪的请求
agent-browser network requests --filter api # 筛选请求
agent-browser tab # 列出标签页
agent-browser tab new [url] # 新建标签页
agent-browser tab 2 # 切换到标签页
agent-browser tab close # 关闭标签页
agent-browser window new # 新建窗口
agent-browser frame "#iframe" # 切换到 iframe
agent-browser frame main # 返回主框架
agent-browser dialog accept [text] # 接受对话框（可选带提示文本）
agent-browser dialog dismiss # 关闭对话框
agent-browser diff snapshot # 比较当前与上次快照
agent-browser diff snapshot --baseline before.txt # 比较当前与保存的快照文件
agent-browser diff snapshot --selector "#main" --compact # 限定范围的快照对比
agent-browser diff screenshot --baseline before.png # 与基准图进行像素对比
agent-browser diff screenshot --baseline b.png -o d.png # 将对比图保存到自定义路径
agent-browser diff screenshot --baseline b.png -t 0.2 # 调整颜色阈值（0-1）
agent-browser diff url https://v1.com https://v2.com # 比较两个 URL（快照对比）
agent-browser diff url https://v1.com https://v2.com --screenshot # 同时进行视觉对比
agent-browser diff url https://v1.com https://v2.com --selector "#main" # 限定到元素
agent-browser eval "document.title" # 运行 JavaScript
agent-browser eval -b "base64code" # 运行 base64 编码的 JS
agent-browser eval --stdin # 从 stdin 读取 JS
agent-browser console # 查看控制台消息
agent-browser console --clear # 清除控制台
agent-browser errors # 查看页面错误
agent-browser errors --clear # 清除错误
agent-browser highlight @e1 # 高亮元素
agent-browser trace start # 开始录制追踪
agent-browser trace stop trace.zip # 停止并保存追踪文件
agent-browser profiler start # 开始 Chrome DevTools 性能分析
agent-browser profiler stop profile.json # 停止并保存分析文件
agent-browser state save auth.json # 保存认证状态
agent-browser state load auth.json # 加载认证状态
agent-browser state list # 列出已保存的状态文件
agent-browser state show <file> # 显示状态摘要
agent-browser state rename <old> <new> # 重命名状态文件
agent-browser state clear [name] # 清除会话状态
agent-browser state clear --all # 清除所有已保存状态
agent-browser state clean --older-than <days> # 删除旧状态
agent-browser install # 下载 Chromium 浏览器
agent-browser install --with-deps # 同时安装系统依赖（Linux）
| 选项 | 描述 |
|---|---|
--session <name> | 隔离的浏览器会话（AGENT_BROWSER_SESSION 环境变量） |
--session-name <name> | 自动保存/恢复会话状态（AGENT_BROWSER_SESSION_NAME 环境变量） |
--profile <path> | 持久化浏览器配置（AGENT_BROWSER_PROFILE 环境变量） |
--state <path> | 从 JSON 文件加载存储状态（AGENT_BROWSER_STATE 环境变量） |
--headers <json> | 作用于 URL 源的 HTTP 头 |
--executable-path <path> | 自定义浏览器二进制（AGENT_BROWSER_EXECUTABLE_PATH 环境变量） |
--extension <path> | 加载浏览器扩展（可重复；AGENT_BROWSER_EXTENSIONS 环境变量） |
--args <args> | 浏览器启动参数（AGENT_BROWSER_ARGS 环境变量） |
--user-agent <ua> | 自定义 User-Agent（AGENT_BROWSER_USER_AGENT 环境变量） |
--proxy <url> | 代理服务器（AGENT_BROWSER_PROXY 环境变量） |
--proxy-bypass <hosts> | 绕过代理的主机（AGENT_BROWSER_PROXY_BYPASS 环境变量） |
--ignore-https-errors | 忽略 HTTPS 证书错误 |
--allow-file-access | 允许 file:// URL 访问本地文件 |
-p, --provider <name> | 云浏览器提供商（AGENT_BROWSER_PROVIDER 环境变量） |
--device <name> | iOS 设备名称（AGENT_BROWSER_IOS_DEVICE 环境变量） |
--json | 机器可读的 JSON 输出 |
--full, -f | 整页截图 |
--annotate | 带编号标签的标注截图（AGENT_BROWSER_ANNOTATE 环境变量） |
--headed | 显示浏览器窗口（AGENT_BROWSER_HEADED 环境变量） |
--cdp <port|wss://url> | 通过 Chrome DevTools Protocol 连接 |
--auto-connect | 自动发现运行中的 Chrome（AGENT_BROWSER_AUTO_CONNECT 环境变量） |
--color-scheme <scheme> | 配色方案：dark、light、no-preference（AGENT_BROWSER_COLOR_SCHEME 环境变量） |
--download-path <path> | 默认下载目录（AGENT_BROWSER_DOWNLOAD_PATH 环境变量） |
--native | [实验性] 使用原生 Rust 守护进程（AGENT_BROWSER_NATIVE 环境变量） |
--config <path> | 自定义配置文件（AGENT_BROWSER_CONFIG 环境变量） |
--debug | 调试输出 |
| 选项 | 描述 |
|---|---|
--content-boundaries | 在页面输出周围包裹边界标记（AGENT_BROWSER_CONTENT_BOUNDARIES 环境变量） |
--max-output <chars> | 将页面输出截断到 N 字符（AGENT_BROWSER_MAX_OUTPUT 环境变量） |
--allowed-domains <list> | 逗号分隔的允许域名模式（AGENT_BROWSER_ALLOWED_DOMAINS 环境变量） |
--action-policy <path> | 操作策略 JSON 文件路径（AGENT_BROWSER_ACTION_POLICY 环境变量） |
--confirm-actions <list> | 需要确认的操作类别（AGENT_BROWSER_CONFIRM_ACTIONS 环境变量） |
创建 agent-browser.json 用于持久化默认配置（无需重复传递标志）：
位置（从低到高优先级）：
~/.agent-browser/config.json — 用户级默认./agent-browser.json — 项目级覆盖AGENT_BROWSER_* 环境变量{
"headed": true,
"proxy": "http://localhost:8080",
"profile": "./browser-data",
"native": true
}
agent-browser open https://example.com/form
agent-browser snapshot -i
# 输出显示: textbox "Email" [ref=e1], textbox "Password" [ref=e2], button "Submit" [ref=e3]
agent-browser fill @e1 "user@example.com"
agent-browser fill @e2 "password123"
agent-browser click @e3
agent-browser wait --load networkidle
agent-browser snapshot -i # 检查结果
# 登录一次
agent-browser open https://app.example.com/login
agent-browser snapshot -i
agent-browser fill @e1 "username"
agent-browser fill @e2 "password"
agent-browser click @e3
agent-browser wait --url "**/dashboard"
agent-browser state save auth.json
# 后续会话：加载保存的状态
agent-browser state load auth.json
agent-browser open https://app.example.com/dashboard
# 头仅作用于 api.example.com
agent-browser open api.example.com --headers '{"Authorization": "Bearer <token>"}'
# 导航到其他域 - 头不会发送（安全）
agent-browser open other-site.com
# 全局头（所有域）
agent-browser set headers '{"X-Custom-Header": "value"}'
# 本地存储凭据（加密）。LLM 永远不会看到密码。
echo "pass" | agent-browser auth save github --url https://github.com/login --username user --password-stdin
agent-browser auth login github
agent-browser --session test1 open site-a.com
agent-browser --session test2 open site-b.com
agent-browser session list
agent-browser --session-name twitter open twitter.com
# 登录一次，状态在重启后自动持久化
# 状态文件存储在 ~/.agent-browser/sessions/
持久化 cookies、localStorage、IndexedDB、服务工作线程、缓存、登录会话，跨浏览器重启保持。
agent-browser --profile ~/.myapp-profile open myapp.com
# 或通过环境变量
AGENT_BROWSER_PROFILE=~/.myapp-profile agent-browser open myapp.com
添加 --json 获取机器可读输出：
agent-browser snapshot -i --json
agent-browser get text @e1 --json
agent-browser --allow-file-access open file:///path/to/document.pdf
agent-browser --allow-file-access open file:///path/to/page.html
agent-browser connect 9222 # 本地 CDP 端口
agent-browser --cdp 9222 snapshot # 每次命令直接使用 CDP
agent-browser --cdp "wss://browser-service.com/cdp?token=..." snapshot # 通过 WebSocket 远程连接
agent-browser --auto-connect snapshot # 自动发现运行中的 Chrome
# Browserbase
BROWSERBASE_API_KEY="key" BROWSERBASE_PROJECT_ID="id" agent-browser -p browserbase open example.com
# Browser Use
BROWSER_USE_API_KEY="key" agent-browser -p browseruse open example.com
# Kernel
KERNEL_API_KEY="key" agent-browser -p kernel open example.com
agent-browser device list # 列出可用的模拟器
agent-browser -p ios --device "iPhone 16 Pro" open example.com # 启动 Safari
agent-browser -p ios snapshot -i # 与桌面版相同的命令
agent-browser -p ios tap @e1 # 点击
agent-browser -p ios swipe up # 滑动（移动端特有）
agent-browser -p ios close # 关闭会话
使用直接 CDP 的纯 Rust 守护进程 — 无需 Node.js/Playwright：
agent-browser --native open example.com
# 或：export AGENT_BROWSER_NATIVE=1
# 或：在 agent-browser.json 中设置 {"native": true}
安装：bun add -g agent-browser && agent-browser install。运行 agent-browser --help 获取所有命令。仓库：https://github.com/vercel-labs/agent-browser
只读GitHub分类（适用于issues和PRs）。每个项目1个后台任务（category: quick）。分析所有开放项目并将有证据支持的报告写入/tmp/{datetime}/。每个声明都需要GitHub永久链接作为证明。永不對GitHub执行任何操作 - 无评论、无合并、无关闭、无标签。仅为报告。触发词：'triage', 'triage issues', 'triage PRs', 'github triage'。
核弹级16代理预发布门禁。运行/get-unpublished-changes检测自上次npm发布以来的所有更改，为每个更改生成最多10个ultrabrain代理进行深入分析，调用/review-work（5个代理）进行整体审查，以及1个oracle进行整体发布合成。每次npm发布前使用。触发词：'pre-publish review', 'review before publish', 'release review', 'pre-release review', 'ready to publish?', 'can I publish?', 'pre-publish', 'safe to publish', 'publishing review', 'pre-publish check'。
完整PR生命周期：git worktree → 实现 → 原子提交 → PR创建 → 验证循环（CI + review-work + Cubic审批）→ 合并。持续迭代直到所有门禁通过并PR被合并。合并后自动清理worktree。当实现工作需要作为PR落地时使用。触发词：'create a PR', 'implement and PR', 'work on this and make a PR', 'implement issue', 'land this as a PR', 'work-with-pr', 'PR workflow', 'implement end to end'，甚至当用户只是说'implement X'但上下文暗示需要PR交付时。
Browser automation with persistent page state. Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include "go to [url]", "click on", "fill out the form", "take a screenshot", "scrape", "automate", "test the website", "log into", or any browser interaction request.
设计师转型的开发者，即使没有设计稿也能打造令人惊艳的 UI/UX
必须用于任何git操作。原子提交、变基/压缩、历史搜索（blame、bisect、log -S）。强烈建议：与task(category='quick', load_skills=['git-master'], ...)配合使用以节省上下文。触发词：'commit'、'rebase'、'squash'、'who wrote'、'when was X added'、'find the commit that'。