agent-browser

name	agent-browser
description	面向 AI agent 的浏览器自动化 CLI。当用户需要与网站交互时使用，包括页面导航、填写表单、点击按钮、截图、提取数据、测试 Web 应用，或执行任何浏览器自动化任务。触发场景包括“打开网站”“填写表单”“点击按钮”“截图”“抓取页面数据”“测试这个 Web 应用”“登录某个网站”“自动化浏览器操作”，以及任何需要通过程序控制网页交互的任务。
allowed-tools	Bash(npx agent-browser:*), Bash(agent-browser:*)

使用 agent-browser 做浏览器自动化

这个 CLI 通过 CDP 直接使用 Chrome/Chromium。可通过 npm i -g agent-browser、brew install agent-browser 或 cargo install agent-browser 安装。运行 agent-browser install 下载 Chrome。运行 agent-browser upgrade 更新到最新版本。

核心工作流

所有浏览器自动化都遵循这个模式：

1. 导航：agent-browser open <url>
2. 抓取快照：agent-browser snapshot -i（获取 @e1、@e2 这类元素引用）
3. 交互：使用这些引用执行点击、填写、选择等操作
4. 重新抓取快照：导航后或 DOM 变化后，获取新的引用

agent-browser open https://example.com/form
agent-browser snapshot -i
# 输出：@e1 [input type="email"], @e2 [input type="password"], @e3 [button] "Submit"

agent-browser fill @e1 "[e-mail]"
agent-browser fill @e2 "password123"
agent-browser click @e3
agent-browser wait --load networkidle
agent-browser snapshot -i  # 检查结果

命令串联

命令可以在一次 shell 调用中用 && 串起来执行。浏览器会通过后台 daemon 在多条命令之间保持存活，因此串联执行既安全，又比逐条单独调用更高效。

# 一次性串联 open + wait + snapshot
agent-browser open https://example.com && agent-browser wait --load networkidle && agent-browser snapshot -i

# 串联多个交互动作
agent-browser fill @e1 "[e-mail]" && agent-browser fill @e2 "password123" && agent-browser click @e3

# 导航并截图
agent-browser open https://example.com && agent-browser wait --load networkidle && agent-browser screenshot page.png

何时适合串联： 当你不需要先读取某条中间命令的输出再继续时，使用 &&（例如 open + wait + screenshot）。如果你需要先解析输出再继续，就分开执行（例如先 snapshot 找到 refs，再基于 refs 交互）。

处理认证

当自动化的网站需要登录时，选择适合当前场景的方案：

方案 1：从用户浏览器导入认证状态（一次性任务最快）

# 连接到用户正在运行的 Chrome（用户已经登录）
agent-browser --auto-connect state save ./auth.json
# 使用该认证状态
agent-browser --state ./auth.json open https://app.example.com/dashboard

状态文件以明文保存会话令牌，请将其加入 .gitignore，并在不再需要时删除。设置 AGENT_BROWSER_ENCRYPTION_KEY 可实现静态加密。

方案 2：持久化 profile（重复任务最简单）

# 首次运行：手动或自动化登录
agent-browser --profile ~/.myapp open https://app.example.com/login
# ... 填写凭据并提交 ...

# 以后每次运行：已保持登录态
agent-browser --profile ~/.myapp open https://app.example.com/dashboard

方案 3：会话名（自动保存/恢复 cookies + localStorage）

agent-browser --session-name myapp open https://app.example.com/login
# ... 登录流程 ...
agent-browser close  # 状态会自动保存

# 下次运行：状态自动恢复
agent-browser --session-name myapp open https://app.example.com/dashboard

方案 4：Auth Vault（凭据加密存储，按名称登录）

echo "$PASSWORD" | agent-browser auth save myapp --url https://app.example.com/login --username user --password-stdin
agent-browser auth login myapp

auth login 会先导航并等待登录表单选择器出现，再执行填写和点击；在延迟加载的 SPA 登录页上，这种方式更可靠。

方案 5：状态文件（手动保存/加载）

# 登录后：
agent-browser state save ./auth.json
# 后续会话中：
agent-browser state load ./auth.json
agent-browser open https://app.example.com/dashboard

有关 OAuth、2FA、基于 cookie 的认证和令牌刷新模式，见 references/authentication.md。

常用命令

# 导航
agent-browser open <url>              # 导航（别名：goto, navigate）
agent-browser close                   # 关闭浏览器
agent-browser close --all             # 关闭所有活动会话

# 快照
agent-browser snapshot -i             # 输出带 refs 的可交互元素（推荐）
agent-browser snapshot -s "#selector" # 仅对指定 CSS 选择器范围抓取快照

# 交互（使用 snapshot 得到的 @refs）
agent-browser click @e1               # 点击元素
agent-browser click @e1 --new-tab     # 点击并在新标签页打开
agent-browser fill @e2 "text"         # 清空并输入文本
agent-browser type @e2 "text"         # 不清空直接输入
agent-browser select @e1 "option"     # 选择下拉项
agent-browser check @e1               # 勾选复选框
agent-browser press Enter             # 按键
agent-browser keyboard type "text"    # 在当前焦点处输入（无选择器）
agent-browser keyboard inserttext "text"  # 不触发键盘事件直接插入
agent-browser scroll down 500         # 滚动页面
agent-browser scroll down 500 --selector "div.content"  # 在指定容器内滚动

# 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
agent-browser get cdp-url             # 获取 CDP WebSocket URL

# 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 模式匹配
agent-browser wait 2000               # 等待指定毫秒数
agent-browser wait --text "Welcome"    # 等待文本出现（子串匹配）
agent-browser wait --fn "!document.body.innerText.includes('Loading...')"  # 等待文本消失
agent-browser wait "#spinner" --state hidden  # 等待元素消失

# 下载
agent-browser download @e1 ./file.pdf          # 点击元素触发下载
agent-browser wait --download ./output.zip     # 等待任意下载完成
agent-browser --download-path ./downloads open <url>  # 设置默认下载目录

# 网络
agent-browser network requests                 # 查看已跟踪请求
agent-browser network requests --type xhr,fetch  # 按资源类型过滤
agent-browser network requests --method POST   # 按 HTTP 方法过滤
agent-browser network requests --status 2xx    # 按状态码过滤（200、2xx、400-499）
agent-browser network request <requestId>      # 查看完整请求/响应详情
agent-browser network route "**/api/*" --abort  # 拦截并终止匹配请求
agent-browser network har start                # 开始录制 HAR
agent-browser network har stop ./capture.har   # 停止并保存 HAR 文件

# 视口与设备模拟
agent-browser set viewport 1920 1080          # 设置视口大小（默认：1280x720）
agent-browser set viewport 1920 1080 2        # 2x retina（CSS 尺寸不变，截图分辨率更高）
agent-browser set device "iPhone 14"          # 模拟设备（视口 + user agent）

# 捕获
agent-browser screenshot              # 截图到临时目录
agent-browser screenshot --full       # 整页截图
agent-browser screenshot --annotate   # 给可交互元素加编号标注的截图
agent-browser screenshot --screenshot-dir ./shots  # 保存到自定义目录
agent-browser screenshot --screenshot-format jpeg --screenshot-quality 80
agent-browser pdf output.pdf          # 导出为 PDF

# 实时预览 / 流式输出
agent-browser stream enable           # 在自动选择的端口启动运行时 WebSocket 流
agent-browser stream enable --port 9223  # 绑定指定 localhost 端口
agent-browser stream status           # 查看启用状态、端口、连接和 screencast 状态
agent-browser stream disable          # 停止运行时流并移除 .stream 元数据文件

# 剪贴板
agent-browser clipboard read                      # 读取剪贴板文本
agent-browser clipboard write "Hello, World!"     # 写入文本到剪贴板
agent-browser clipboard copy                      # 复制当前选区
agent-browser clipboard paste                     # 粘贴剪贴板内容

# 对话框（alert、confirm、prompt）
agent-browser dialog accept              # 接受对话框
agent-browser dialog accept "my input"   # 接受 prompt 并输入文本
agent-browser dialog dismiss             # 取消/关闭对话框
agent-browser dialog status              # 检查当前是否有对话框打开

# Diff（比较页面状态）
agent-browser diff snapshot                          # 比较当前状态与最近一次快照
agent-browser diff snapshot --baseline before.txt    # 与已保存文件比较
agent-browser diff screenshot --baseline before.png  # 像素级视觉比较
agent-browser diff url <url1> <url2>                 # 比较两个页面
agent-browser diff url <url1> <url2> --wait-until networkidle  # 自定义等待策略
agent-browser diff url <url1> <url2> --selector "#main"  # 限定到某个元素范围

流式输出

每个会话都会自动在操作系统分配的端口上启动一个 WebSocket 流服务。使用 agent-browser stream status 查看绑定端口和连接状态。使用 stream disable 关闭它，使用 stream enable --port <port> 在指定端口重新启用。

批量执行

把“字符串数组的 JSON 数组”通过管道传给 batch，即可在一次调用中执行多条命令。这样可以避免多步骤工作流中每条命令都重复启动进程的开销。

echo '[
  ["open", "https://example.com"],
  ["snapshot", "-i"],
  ["click", "@e1"],
  ["screenshot", "result.png"]
]' | agent-browser batch --json

# 遇到第一个错误就停止
agent-browser batch --bail < commands.json

当你已经知道一组命令的顺序，且不依赖中间输出时，用 batch。如果中间步骤需要先解析输出（例如先 snapshot 找 refs，再交互），则使用分步命令或 && 串联。

常见模式

提交表单

agent-browser open https://example.com/signup
agent-browser snapshot -i
agent-browser fill @e1 "Jane Doe"
agent-browser fill @e2 "[e-mail]"
agent-browser select @e3 "California"
agent-browser check @e4
agent-browser click @e5
agent-browser wait --load networkidle

使用 Auth Vault 认证（推荐）

# 保存一次凭据（使用 AGENT_BROWSER_ENCRYPTION_KEY 加密）
# 推荐：通过 stdin 传入密码，避免暴露在 shell history 中
echo "pass" | agent-browser auth save github --url https://github.com/login --username user --password-stdin

# 使用已保存的配置登录（LLM 不会看到密码）
agent-browser auth login github

# 列出 / 查看 / 删除配置
agent-browser auth list
agent-browser auth show github
agent-browser auth delete github

auth login 会等待用户名、密码、提交按钮对应的选择器出现后再交互，超时时间与默认 action timeout 绑定。

使用状态持久化认证

# 登录一次并保存状态
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

# 后续会话复用
agent-browser state load auth.json
agent-browser open https://app.example.com/dashboard

会话持久化

# 浏览器重启后自动保存 / 恢复 cookies 和 localStorage
agent-browser --session-name myapp open https://app.example.com/login
# ... 登录流程 ...
agent-browser close  # 状态会自动保存到 ~/.agent-browser/sessions/

# 下次运行时自动加载状态
agent-browser --session-name myapp open https://app.example.com/dashboard

# 对静态存储状态进行加密
export AGENT_BROWSER_ENCRYPTION_KEY=$(openssl rand -hex 32)
agent-browser --session-name secure open https://app.example.com

# 管理已保存的状态
agent-browser state list
agent-browser state show myapp-default.json
agent-browser state clear myapp
agent-browser state clean --older-than 7

处理 Iframe

Iframe 内容会自动内联到快照中。iframe 内的 refs 自带 frame 上下文，因此可以直接对它们交互。

agent-browser open https://example.com/checkout
agent-browser snapshot -i
# @e1 [heading] "Checkout"
# @e2 [Iframe] "payment-frame"
#   @e3 [input] "Card number"
#   @e4 [input] "Expiry"
#   @e5 [button] "Pay"

# 直接交互，无需手动切换 frame
agent-browser fill @e3 "4111111111111111"
agent-browser fill @e4 "12/28"
agent-browser click @e5

# 只针对某个 iframe 范围抓取快照：
agent-browser frame @e2
agent-browser snapshot -i         # 仅 iframe 内容
agent-browser frame main          # 返回主 frame

数据提取

agent-browser open https://example.com/products
agent-browser snapshot -i
agent-browser get text @e5           # 获取指定元素文本
agent-browser get text body > page.txt  # 获取整页文本

# 输出 JSON 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

连接已有的 Chrome

# 自动发现已开启 remote debugging 的 Chrome
agent-browser --auto-connect open https://example.com
agent-browser --auto-connect snapshot

# 或显式指定 CDP 端口
agent-browser --cdp 9222 snapshot

自动连接会通过 DevToolsActivePort、常见调试端口（9222、9229）发现 Chrome；如果基于 HTTP 的 CDP 发现失败，则回退到直接 WebSocket 连接。

配色方案（深色模式）

# 通过 flag 持久启用深色模式（作用于所有页面和新标签页）
agent-browser --color-scheme dark open https://example.com

# 或通过环境变量
AGENT_BROWSER_COLOR_SCHEME=dark agent-browser open https://example.com

# 或在会话中设置（后续命令持续生效）
agent-browser set media dark

视口与响应式测试

# 设置自定义视口尺寸（默认 1280x720）
agent-browser set viewport 1920 1080
agent-browser screenshot desktop.png

# 测试移动端宽度布局
agent-browser set viewport 375 812
agent-browser screenshot mobile.png

# Retina/HiDPI：CSS 布局不变，但像素密度为 2x
# 截图仍按逻辑视口尺寸输出，但内容以更高 DPI 渲染
agent-browser set viewport 1920 1080 2
agent-browser screenshot retina.png

# 设备模拟（一次性设置 viewport + user agent）
agent-browser set device "iPhone 14"
agent-browser screenshot device.png

scale 参数（第 3 个参数）会设置 window.devicePixelRatio，但不会改变 CSS 布局。测试 retina 渲染或生成更高分辨率截图时使用它。

可视化浏览器（调试）

agent-browser --headed open https://example.com
agent-browser highlight @e1          # 高亮元素
agent-browser inspect                # 为当前活动页面打开 Chrome DevTools
agent-browser record start demo.webm # 录制会话
agent-browser profiler start         # 启动 Chrome DevTools profiling
agent-browser profiler stop trace.json # 停止并保存 profile（路径可选）

使用 AGENT_BROWSER_HEADED=1 可通过环境变量启用 headed 模式。浏览器扩展在 headed 和 headless 模式下都可用。

本地文件（PDF、HTML）

# 使用 file:// URL 打开本地文件
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）

# 列出可用的 iOS 模拟器
agent-browser device list

# 在指定设备上启动 Safari
agent-browser -p ios --device "iPhone 16 Pro" open https://example.com

# 与桌面端相同的流程：snapshot、交互、重新 snapshot
agent-browser -p ios snapshot -i
agent-browser -p ios tap @e1          # 点按（click 的别名）
agent-browser -p ios fill @e2 "text"
agent-browser -p ios swipe up         # 移动端专用手势

# 截图
agent-browser -p ios screenshot mobile.png

# 关闭会话（同时关闭模拟器）
agent-browser -p ios close

要求： macOS + Xcode + Appium（npm install -g appium && appium driver install xcuitest）

真机： 若已预配置，也支持物理 iOS 设备。使用 --device "<UDID>"，其中 UDID 可通过 xcrun xctrace list devices 获取。

安全性

所有安全特性均为 opt-in。默认情况下，agent-browser 不会限制导航、操作或输出。

内容边界（推荐 AI agent 使用）

启用 --content-boundaries 后，页面来源的输出会被包裹在标记中，帮助 LLM 区分工具输出与不可信页面内容：

export AGENT_BROWSER_CONTENT_BOUNDARIES=1
agent-browser snapshot
# 输出：
# --- AGENT_BROWSER_PAGE_CONTENT nonce=<hex> origin=https://example.com ---
# [accessibility tree]
# --- END_AGENT_BROWSER_PAGE_CONTENT nonce=<hex> ---

域名白名单

将导航限制在可信域名内。像 *.example.com 这样的通配符也会匹配裸域名 example.com。对子资源请求、WebSocket 和 EventSource 到非允许域名的连接也会被阻止。记得把目标页面依赖的 CDN 域名也加入进去：

export AGENT_BROWSER_ALLOWED_DOMAINS="example.com,*.example.com"
agent-browser open https://example.com        # 允许
agent-browser open https://malicious.com       # 阻止

操作策略

通过策略文件限制破坏性操作：

export AGENT_BROWSER_ACTION_POLICY=./policy.json

示例 policy.json：

{ "default": "deny", "allow": ["navigate", "snapshot", "click", "scroll", "wait", "get"] }

Auth Vault 操作（如 auth login）会绕过 action policy，但仍受域名白名单约束。

输出限制

防止大页面内容淹没上下文：

export AGENT_BROWSER_MAX_OUTPUT=50000

Diff（验证变更）

执行操作后，使用 diff snapshot 验证其效果是否符合预期。它会把当前 accessibility tree 与当前会话中最近一次快照进行比较。

# 典型流程：snapshot -> action -> diff
agent-browser snapshot -i          # 生成基线快照
agent-browser click @e2            # 执行操作
agent-browser diff snapshot        # 查看发生了什么变化（自动对比最近一次 snapshot）

用于视觉回归测试或监控时：

# 先保存一张基线截图，稍后再比较
agent-browser screenshot baseline.png
# ... 时间流逝或页面发生变化 ...
agent-browser diff screenshot --baseline baseline.png

# 比较 staging 和 production
agent-browser diff url https://staging.example.com https://prod.example.com --screenshot

diff snapshot 输出中，+ 表示新增，- 表示移除，类似 git diff。diff screenshot 会生成一张差异图，把变化像素标成红色，并附带不匹配百分比。

超时与慢页面

默认超时时间是 25 秒。可通过 AGENT_BROWSER_DEFAULT_TIMEOUT 环境变量覆盖（单位毫秒）。对于慢网站或超大页面，不要只依赖默认超时，而应显式等待：

# 等待网络活动稳定（慢页面最常用）
agent-browser wait --load networkidle

# 等待特定元素出现
agent-browser wait "#content"
agent-browser wait @e1

# 等待指定 URL 模式（适合重定向后）
agent-browser wait --url "**/dashboard"

# 等待某个 JavaScript 条件成立
agent-browser wait --fn "document.readyState === 'complete'"

# 最后手段：固定等待一段时间（毫秒）
agent-browser wait 5000

面对持续较慢的网站时，在 open 之后使用 wait --load networkidle，确保页面完全加载后再抓取快照。如果某个元素渲染很慢，则直接用 wait <selector> 或 wait @ref 等它出现。

JavaScript 对话框（alert / confirm / prompt）

当页面打开 JavaScript 对话框（alert()、confirm() 或 prompt()）时，所有其他浏览器命令（snapshot、screenshot、click 等）都会被阻塞，直到该对话框被处理。如果命令开始莫名其妙超时，先检查是否有挂起的对话框：

# 检查是否有对话框在阻塞
agent-browser dialog status

# 接受对话框（关闭 alert / 点击 OK）
agent-browser dialog accept

# 接受 prompt 并输入文本
agent-browser dialog accept "my input"

# 取消对话框（点击 Cancel）
agent-browser dialog dismiss

当存在挂起对话框时，所有命令响应里都会包含 warning 字段，标明对话框类型和消息内容。在 --json 模式下，这会以响应对象中的 "warning" 键出现。

会话管理与清理

当同时运行多个 agent 或自动化任务时，始终使用命名会话，避免互相冲突：

# 每个 agent 使用自己的隔离会话
agent-browser --session agent1 open site-a.com
agent-browser --session agent2 open site-b.com

# 查看活动会话
agent-browser session list

完成后一定要关闭浏览器会话，避免泄漏后台进程：

agent-browser close                    # 关闭默认会话
agent-browser --session agent1 close   # 关闭指定会话
agent-browser close --all              # 关闭所有活动会话

如果之前的会话没有正确关闭，daemon 可能仍在运行。可用 agent-browser close 清理，或用 agent-browser close --all 一次性关闭所有会话。

如果希望在一段时间无活动后自动关闭 daemon（适合临时环境或 CI）：

AGENT_BROWSER_IDLE_TIMEOUT_MS=60000 agent-browser open example.com

Ref 生命周期（重要）

Refs（@e1、@e2 等）会在页面发生变化后失效。遇到以下情况后必须重新抓取快照：

• 点击会导致导航的链接或按钮
• 提交表单
• 动态内容加载（如下拉框、模态框）

agent-browser click @e5              # 导航到新页面
agent-browser snapshot -i            # 必须重新 snapshot
agent-browser click @e1              # 使用新的 refs

标注截图（视觉模式）

使用 --annotate 可生成一张带编号标注的截图，编号会覆盖到可交互元素上。每个标签 [N] 对应 ref @eN。同时这也会缓存 refs，因此你可以不额外执行 snapshot，直接开始交互。

agent-browser screenshot --annotate
# 输出会包含图片路径和图例：
#   [1] @e1 button "Submit"
#   [2] @e2 link "Home"
#   [3] @e3 textbox "Email"
agent-browser click @e2              # 使用标注截图中的 ref 点击

以下情况适合使用标注截图：

• 页面里有未标注的图标按钮或纯视觉元素
• 需要验证视觉布局或样式
• 存在 Canvas 或图表元素（文本快照看不到）
• 需要依据元素空间位置做判断

语义定位器（Refs 的替代方案）

当 refs 不可用或不可靠时，使用语义定位器：

agent-browser find text "Sign In" click
agent-browser find label "Email" fill "[e-mail]"
agent-browser find role button click --name "Submit"
agent-browser find placeholder "Search" type "query"
agent-browser find testid "submit-btn" click

JavaScript 求值（eval）

使用 eval 在浏览器上下文里执行 JavaScript。Shell 的引用规则会破坏复杂表达式，请优先使用 --stdin 或 -b 避免出错。

# 简单表达式可以使用常规引用
agent-browser eval 'document.title'
agent-browser eval 'document.querySelectorAll("img").length'

# 复杂 JS：使用 --stdin + heredoc（推荐）
agent-browser eval --stdin <<'EVALEOF'
JSON.stringify(
  Array.from(document.querySelectorAll("img"))
    .filter(i => !i.alt)
    .map(i => ({ src: i.src.split("/").pop(), width: i.width }))
)
EVALEOF

# 另一种方式：base64 编码（彻底规避 shell 转义问题）
agent-browser eval -b "$(echo -n 'Array.from(document.querySelectorAll("a")).map(a => a.href)' | base64)"

为什么这很重要： Shell 在处理命令时，内部双引号、!（history expansion）、反引号、$() 等都可能在 JavaScript 传给 agent-browser 之前就把它破坏掉。--stdin 和 -b 会彻底绕过 shell 解释。

经验法则：

• 单行、无嵌套引号：使用普通 eval 'expression'，单引号即可
• 有嵌套引号、箭头函数、模板字符串或多行：使用 eval --stdin <<'EVALEOF'
• 程序生成的脚本：使用 eval -b 配合 base64

配置文件

在项目根目录创建 agent-browser.json 以保存持久配置：

{
  "headed": true,
  "proxy": "http://localhost:8080",
  "profile": "./browser-data"
}

优先级（从低到高）：~/.agent-browser/config.json < ./agent-browser.json < 环境变量 < CLI flags。使用 --config <path> 或 AGENT_BROWSER_CONFIG 环境变量可指定自定义配置文件（缺失或无效时会直接报错退出）。所有 CLI 选项都映射到 camelCase 键（例如 --executable-path -> "executablePath"）。布尔 flag 接受 true / false（例如 --headed false 可覆盖配置）。用户配置和项目配置中的 extensions 会合并，而不是替换。

深入文档

参考资料	适用场景
references/commands.md	所有命令及其选项的完整参考
references/snapshot-refs.md	Ref 生命周期、失效规则、故障排查
references/session-management.md	并行会话、状态持久化、并发抓取
references/authentication.md	登录流程、OAuth、2FA 处理、状态复用
references/video-recording.md	用于调试和文档的录制工作流
references/profiling.md	Chrome DevTools profiling 性能分析
references/proxy-support.md	代理配置、地理位置测试、轮换代理

浏览器引擎选择

使用 --engine 选择本地浏览器引擎。默认值为 chrome。

# 使用 Lightpanda（快速无头浏览器，需要单独安装）
agent-browser --engine lightpanda open example.com

# 通过环境变量指定
export AGENT_BROWSER_ENGINE=lightpanda
agent-browser open example.com

# 配合自定义二进制路径
agent-browser --engine lightpanda --executable-path /path/to/lightpanda open example.com

支持的引擎：

• chrome（默认）-- 通过 CDP 使用 Chrome/Chromium
• lightpanda -- 通过 CDP 使用 Lightpanda 无头浏览器（速度快 10 倍、内存占用少 10 倍）

Lightpanda 不支持 --extension、--profile、--state 或 --allow-file-access。安装方式见 https://lightpanda.io/docs/open-source/installation 。

可观测性 Dashboard

Dashboard 是一个独立的后台服务，用于展示所有会话的实时浏览器视口、命令活动和控制台输出。

# 先安装 dashboard
agent-browser dashboard install

# 启动 dashboard 服务（后台运行，端口 4848）
agent-browser dashboard start

# 所有会话都会自动出现在 dashboard 中
agent-browser open example.com

# 停止 dashboard
agent-browser dashboard stop

Dashboard 独立于浏览器会话运行，默认监听 4848 端口（可通过 --port 配置）。所有会话都会自动把流输出发送到 dashboard。

开箱即用模板

模板	说明
templates/form-automation.sh	带校验的表单填写
templates/authenticated-session.sh	登录一次，后续复用状态
templates/capture-workflow.sh	带截图的内容提取流程

./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