| name | agent-browser |
| description | AI 代理的浏览器自动化 CLI 工具。当用户需要与网站交互时使用，包括导航页面、填写表单、点击按钮、截取屏幕截图、提取数据、测试 Web 应用或自动化任何浏览器任务。触发条件包括"打开网站"、"填写表单"、"点击按钮"、"截取屏幕截图"、"从页面抓取数据"、"测试此 Web 应用"、"登录网站"、"自动化浏览器操作"或任何需要编程式 Web 交互的任务。 |
| allowed-tools | Bash(agent-browser:*) |
使用 agent-browser 进行浏览器自动化
核心工作流
每个浏览器自动化都遵循以下模式：
- 导航：
agent-browser open <url>
- 快照：
agent-browser snapshot -i（获取元素引用如 @e1、@e2）
- 交互：使用引用进行点击、填写、选择
- 重新快照：在导航或 DOM 变更后，获取新的引用
agent-browser open https://example.com/form
agent-browser snapshot -i
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
## 基本命令
```bash
# 导航
agent-browser open <url> # 导航（别名：goto，navigate）
agent-browser close # 关闭浏览器
# 快照
agent-browser snapshot -i # 带引用的交互元素（推荐）
agent-browser snapshot -i -C # 包含光标交互元素（带有 onclick、cursor:pointer 的 div）
agent-browser snapshot -s "#selector" # 限定到 CSS 选择器范围
# 交互（使用快照中的 @引用）
agent-browser click @e1 # 点击元素
agent-browser fill @e2 "text" # 清除并输入文本
agent-browser type @e2 "text" # 输入文本（不清除）
agent-browser select @e1 "option" # 选择下拉选项
agent-browser check @e1 # 勾选复选框
agent-browser press Enter # 按键
agent-browser scroll down 500 # 滚动页面
# 获取信息
agent-browser get text @e1 # 获取元素文本
agent-browser get url # 获取当前 URL
agent-browser get title # 获取页面标题
# 等待
agent-browser wait @e1 # 等待元素出现
agent-browser wait --load networkidle # 等待网络空闲
agent-browser wait --url "**/page" # 等待 URL 匹配模式
agent-browser wait 2000 # 等待毫秒数
# 捕获
agent-browser screenshot # 截图到临时目录
agent-browser screenshot --full # 全页面截图
agent-browser pdf output.pdf # 保存为 PDF
常见模式
表单提交
agent-browser 打开 https://example.com/signup
agent-browser 截图 -i
agent-browser 填写 @e1 "Jane Doe"
agent-browser 填写 @e2 "jane@example.com"
agent-browser 选择 @e3 "California"
agent-browser 勾选 @e4
agent-browser 点击 @e5
agent-browser 等待网络空闲 --load networkidle
带状态持久化的身份验证
agent-browser 打开 https://app.example.com/login
agent-browser 快照 -i
agent-browser 填充 @e1 "$USERNAME"
agent-browser 填充 @e2 "$PASSWORD"
agent-browser 点击 @e3
agent-browser 等待 --url "**/dashboard"
agent-browser 保存状态 auth.json
在未来的会话中复用
agent-browser state load auth.json
agent-browser open https://app.example.com/dashboard
### 数据提取
```bash
agent-browser open https://example.com/products
agent-browser snapshot -i
agent-browser get text @e5 # 获取特定元素文本
agent-browser get text body > page.txt # 获取全部页面文本
# JSON 输出以便解析
agent-browser snapshot -i --json
agent-browser get text @e1 --json
并行会话
agent-browser --session site1 open https://site-a.com
agent-browser --session site2 open https://site-b.com
agent-browser --session site1 snapshot -i
agent-browser --session site2 snapshot -i
agent-browser session list
可视化浏览器（调试）
agent-browser --headed open https://example.com
agent-browser highlight @e1
agent-browser record start demo.webm
本地文件（PDF、HTML）
agent-browser --allow-file-access open file:///path/to/document.pdf
agent-browser --allow-file-access open file:///path/to/page.html
agent-browser screenshot output.png
iOS 模拟器（Mobile Safari）
agent-browser device list
agent-browser -p ios --device "iPhone 16 Pro" open https://example.com
agent-browser -p ios snapshot -i
agent-browser -p ios tap @e1
agent-browser -p ios fill @e2 "text"
agent-browser -p ios swipe up
agent-browser -p ios screenshot mobile.png
agent-browser -p ios close
前置要求： macOS 系统，安装 Xcode、Appium（npm install -g appium && appium driver install xcuitest）
真实设备： 支持已预配置的物理 iOS 设备。使用 --device "<UDID>"，其中 UDID 来自 xcrun xctrace list devices。
引用生命周期（重要）
引用（@e1、@e2 等）在页面发生变化时会失效。在以下操作后务必重新快照：
- 点击会触发导航的链接或按钮
- 表单提交
- 动态内容加载（下拉菜单、模态框）
agent-browser click @e5
agent-browser snapshot -i
agent-browser click @e1
语义定位器（引用的替代方案）
当引用不可用或不可靠时，使用语义定位器：
agent-browser 查找文本 "登录" 点击
agent-browser 查找标签 "Email" 填写 "user@test.com"
agent-browser 查找角色 按钮 点击 --名称 "提交"
agent-browser 查找占位符 "搜索" 输入 "查询"
agent-browser 查找测试id "submit-btn" 点击
深入文档
即用模板
./templates/form-automation.sh https://example.com/form
./templates/authenticated-session.sh https://app.example.com/login
./templates/capture-workflow.sh https://example.com ./output
