agent-browser：AI Agent 浏览器自动化 CLI

项目简介

agent-browser 是 Vercel Labs 推出的浏览器自动化 CLI，专为 AI Agent 设计，使用原生 Rust 实现，追求快速启动与响应。它提供一套简洁的命令，让 Agent 可以打开网页、读取页面结构、点击、填表、截图、执行 JavaScript 等，无需自己编写 Playwright 或 Puppeteer 脚本。守护进程本身不依赖 Playwright 或 Node.js。

主要功能

• 无障碍树快照：snapshot 输出带 ref 的无障碍树，Agent 可直接用 @e2 这类 ref 操作元素，比 CSS 选择器更稳定。
• 完整交互命令：click、dblclick、fill、type、press、hover、select、check、scroll、drag、upload 等覆盖常见页面操作。
• 读取与截图：read 抓取可读文本或当前标签页渲染后的 DOM；screenshot 支持全页截图、元素标注、--if-changed 跳过未变化图片以节省 token、自定义格式与画质；pdf 可导出 PDF。
• 执行与调试：eval 运行 JavaScript，connect 通过 CDP 连接已有浏览器，stream 开启 WebSocket 运行时流。
• AI 聊天控制：chat "<instruction>" 用自然语言单次控制浏览器，或不带参数进入交互式 REPL。
• WebMCP（实验性）：页面可自动宣告其 WebMCP 工具摘要，Agent 再按需拉取完整 schema 并调用，如 webmcp list search --json、webmcp invoke search --params '{"query":"browser agents"}'。
• 多会话管理：close 关闭当前浏览器，close --all 关闭全部活动会话。

安装与使用

推荐全局安装原生 Rust 二进制（也可用 Homebrew、Cargo 或从源码构建）：

npm install -g agent-browser
agent-browser install  # 首次运行时从 Chrome for Testing 下载 Chrome

Linux 上可加装系统依赖：agent-browser install --with-deps。升级用 agent-browser upgrade，会自动识别 npm、Homebrew 或 Cargo 安装方式。

快速上手：

agent-browser open example.com
agent-browser snapshot
agent-browser click @e2
agent-browser fill @e3 "[email protected]"
agent-browser get text @e1
agent-browser screenshot page.png
agent-browser close

传统选择器同样可用，例如 agent-browser click "#submit" 或 agent-browser find role button click --name "Submit"。

注意事项

• 运行前需要可用的 Chrome；agent-browser install 会自动下载，也会自动探测已有的 Chrome、Brave、Playwright、Puppeteer 安装。
• macOS 13 以下系统上，agent-browser install 会停止下载并提示升级系统或手动安装 Chrome。
• 从源码构建需要 Node.js 24+、pnpm 11+ 与 Rust。
• 当目标点击位置被同意横幅、弹窗等元素遮挡时，点击会提前失败；需先处理遮挡元素并重新生成快照后再试。元素隐藏、禁用或不在视口内时，click、dblclick 也会失败而非误报成功。
• 无头 Chromium 截图会隐藏原生滚动条，可用 --hide-scrollbars false 保留。
• WebMCP 默认在 agent-browser 管理的 Chrome 中启用，可用 --no-webmcp 关闭。

本作品整理自 GitHub 开源项目 vercel-labs/agent-browser，原作者 @vercel-labs，许可证 Apache-2.0。中文介绍由 AI 根据项目 README 整理，以原仓库为准。