一键在 Manus 中运行任何 Skill

agent-browser

星标0

分支0

更新时间2026年3月30日 12:23

面向 AI 智能体的无头浏览器自动化 CLI，基于无障碍树快照和 ref 元素选择。适用于自动化多步骤网页工作流、填写表单、爬取数据、登录网站、测试 Web 应用或任何程序化浏览器交互场景。当需要确定性元素选择、会话隔离或复杂 SPA 自动化时，优先使用本工具而非内置浏览器工具。若主要目标是截图、PDF 或视觉检查，则使用内置浏览器工具。

安装

用 Codex 或 Claude 帮你安装复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。

在 Manus 中运行

来源

zhouxiumin

zhouxiumin/zxm-skills

打开 GitHub 仓库查看创作者相关仓库

下载

在 Manus 中运行

Agent Browser Skill

基于无障碍树快照与 ref 元素选择的快速浏览器自动化工具。

核心工作流

# 1. 导航并获取快照
agent-browser open https://example.com
agent-browser snapshot -i --json

# 2. 从 JSON 解析 ref，然后交互
agent-browser click @e2
agent-browser fill @e3 "文本"

# 3. 页面变化后重新获取快照
agent-browser snapshot -i --json

常用命令

完整命令参考（交互、等待、会话、网络、Cookie、标签页等），请查阅 references/commands.md。

快照输出格式

{
  "success": true,
  "data": {
    "snapshot": "...",
    "refs": {
      "e1": {"role": "heading", "name": "示例域名"},
      "e2": {"role": "button", "name": "提交"},
      "e3": {"role": "textbox", "name": "邮箱"}
    }
  }
}

最佳实践

始终使用 -i 标志 — 聚焦于可交互元素，省 Token
始终使用 --json — 便于解析
等待页面稳定 — agent-browser wait --load networkidle
保存认证状态 — 用 state save/load 跳过登录流程
使用会话隔离 — 隔离不同浏览器上下文
调试时使用 --headed — 可视化查看操作过程
调试时加 --annotate — 截图带 @ref 编号，直观定位元素
接管已登录浏览器 — 用 CDP 模式 connect <port> 避免重新登录
多步操作用 batch — 减少进程启动开销，提升效率
找不到 ref 时用 find — 按语义（文本/label/role）定位元素，无需 selector

示例：搜索并提取内容

agent-browser open https://www.google.com
agent-browser snapshot -i --json
# AI 识别搜索框 @e1
agent-browser fill @e1 "AI agents"
agent-browser press Enter
agent-browser wait --load networkidle
agent-browser snapshot -i --json
# AI 识别结果 ref
agent-browser get text @e3 --json
agent-browser get attr @e4 "href" --json

示例：多会话测试

# 管理员会话
agent-browser --session admin open app.com
agent-browser --session admin state load admin-auth.json
agent-browser --session admin snapshot -i --json

# 用户会话（同时运行）
agent-browser --session user open app.com
agent-browser --session user state load user-auth.json
agent-browser --session user snapshot -i --json

安装

npm install -g agent-browser
agent-browser install                     # 下载 Chromium
agent-browser install --with-deps         # Linux：同时安装系统依赖

致谢

Skill 由 Yossi Elkrief (@MaTriXy) 创建

agent-browser CLI 由 Vercel Labs 开发

同仓库更多 Skills

同仓库

llm-wiki

zhouxiumin/zxm-skills

LLM Wiki - 用 LLM 构建和维护个人结构化 Markdown 知识库 Wiki。当用户需要创建知识库、导入资料到 Wiki、查询知识库内容、维护知识库健康状态时触发。关键词：知识库、wiki、ingest、导入资料、知识整理、知识管理。不触发：非知识库的通用问答、非 Wiki 的文件管理、无持续积累需求的单次文档摘要。

2026-06-300

gemini-image-simple

zhouxiumin/zxm-skills

生成或编辑图片（Gemini API）。当用户要求生成图片、画图、编辑图片、图像处理时使用。零依赖纯 Python 实现，无需 pip/uv。

2026-03-300

explore-codebase

zhouxiumin/zxm-skills

对陌生代码工程进行系统化探索、逆向梳理与文档化总结。用于用户要求“先熟悉项目”“分析仓库/代码架构”“输出项目概览”“梳理核心流程、模块边界、接口、数据模型、部署运行机制”时；适合接手新仓库、入职交接、历史系统盘点、重构前调研、技术方案前置摸底。

2026-03-250

write-skill

zhouxiumin/zxm-skills

去除文本中的 AI 生成痕迹。适用于编辑或审阅文本，使其听起来更自然、更像人类书写。基于维基百科的"AI 写作特征"综合指南。检测并修复以下模式：夸大的象征意义、宣传性语言、以 -ing 结尾的肤浅分析、模糊的归因、破折号过度使用、三段式法则、 AI 词汇、否定式排比、过多的连接性短语。

2026-03-210

arkts-harmony-one-stop

zhouxiumin/zxm-skills

ArkTS 与 HarmonyOS/OpenHarmony 一站式开发助手。遇到 .ets 文件、@ohos 包、 ArkTS 语法/TypeScript 迁移问题、HarmonyOS 构建/部署/调试/E2E 请求时激活。覆盖语法迁移、性能优化、编译错误修复、CodeLinter 质量检查，以及代码-构建-部署- 截图-交互-日志排查的端到端开发循环。

2026-03-190

chrome-devtools

zhouxiumin/zxm-skills

使用 Chrome DevTools MCP 进行专家级浏览器自动化、调试与性能分析。适用于网页交互、截图采集、网络流量分析以及性能剖析。

2026-03-190

name	agent-browser
description	面向 AI 智能体的无头浏览器自动化 CLI，基于无障碍树快照和 ref 元素选择。适用于自动化多步骤网页工作流、填写表单、爬取数据、登录网站、测试 Web 应用或任何程序化浏览器交互场景。当需要确定性元素选择、会话隔离或复杂 SPA 自动化时，优先使用本工具而非内置浏览器工具。若主要目标是截图、PDF 或视觉检查，则使用内置浏览器工具。
metadata	{"clawdbot":{"emoji":"🌐","requires":{"commands":["agent-browser"]},"homepage":"https://github.com/vercel-labs/agent-browser"}}
allowed-tools	["Bash"]

Agent Browser Skill

基于无障碍树快照与 ref 元素选择的快速浏览器自动化工具。

核心工作流

# 1. 导航并获取快照
agent-browser open https://example.com
agent-browser snapshot -i --json

# 2. 从 JSON 解析 ref，然后交互
agent-browser click @e2
agent-browser fill @e3 "文本"

# 3. 页面变化后重新获取快照
agent-browser snapshot -i --json

常用命令

完整命令参考（交互、等待、会话、网络、Cookie、标签页等），请查阅 references/commands.md。

快照输出格式

{
  "success": true,
  "data": {
    "snapshot": "...",
    "refs": {
      "e1": {"role": "heading", "name": "示例域名"},
      "e2": {"role": "button", "name": "提交"},
      "e3": {"role": "textbox", "name": "邮箱"}
    }
  }
}

最佳实践

始终使用 -i 标志 — 聚焦于可交互元素，省 Token
始终使用 --json — 便于解析
等待页面稳定 — agent-browser wait --load networkidle
保存认证状态 — 用 state save/load 跳过登录流程
使用会话隔离 — 隔离不同浏览器上下文
调试时使用 --headed — 可视化查看操作过程
调试时加 --annotate — 截图带 @ref 编号，直观定位元素
接管已登录浏览器 — 用 CDP 模式 connect <port> 避免重新登录
多步操作用 batch — 减少进程启动开销，提升效率
找不到 ref 时用 find — 按语义（文本/label/role）定位元素，无需 selector

示例：搜索并提取内容

agent-browser open https://www.google.com
agent-browser snapshot -i --json
# AI 识别搜索框 @e1
agent-browser fill @e1 "AI agents"
agent-browser press Enter
agent-browser wait --load networkidle
agent-browser snapshot -i --json
# AI 识别结果 ref
agent-browser get text @e3 --json
agent-browser get attr @e4 "href" --json

示例：多会话测试

# 管理员会话
agent-browser --session admin open app.com
agent-browser --session admin state load admin-auth.json
agent-browser --session admin snapshot -i --json

# 用户会话（同时运行）
agent-browser --session user open app.com
agent-browser --session user state load user-auth.json
agent-browser --session user snapshot -i --json

安装

npm install -g agent-browser
agent-browser install                     # 下载 Chromium
agent-browser install --with-deps         # Linux：同时安装系统依赖

致谢

Skill 由 Yossi Elkrief (@MaTriXy) 创建

agent-browser CLI 由 Vercel Labs 开发