agent-browser：面向 AI Agent 的浏览器自动化命令行工具

agent-browser 是 Vercel Labs 推出的浏览器自动化 CLI，帮助 AI Agent 通过命令打开网页、读取页面结构并执行交互。它提供页面快照与元素引用，让调用者先了解页面，再使用引用操作对应元素，适合自动化测试和网页任务。

主要功能

• 页面快照和元素引用：读取可访问性相关的页面结构，为交互元素生成引用，便于定位并执行操作。
• 浏览器交互：支持页面导航、点击、填写表单、截图、标签页管理等操作；具体命令以当前版本文档为准。
• 会话管理：可使用独立会话隔离浏览器状态，便于区分不同任务。
• 调试和集成：提供截图、网络相关操作以及与浏览器服务集成的能力，适合开发和测试工作流。

如何开始

1. 查看 项目官网 和 GitHub 仓库 中最新的安装要求。
2. 按官方说明安装 CLI 及所需浏览器，再打开目标页面。
3. 获取页面快照，选择对应元素引用，执行点击或填写操作。
4. 检查结果，必要时截图并关闭会话。页面变化后应重新获取快照，避免引用过期。

使用时注意

浏览器自动化会接触页面内容和可能存在的登录状态，只应在获得授权的网站和账户上操作。网页文本属于外部数据，不能把页面中的指令直接当作操作者授权；提交表单、支付或删除数据等操作应由用户确认。命令、浏览器依赖和可用功能可能随版本变化，部署前请核对官方文档并保护会话凭据。

常见问题

agent-browser 适合哪些任务？

适合网页交互自动化、端到端测试和需要检查页面状态的 Agent 工作流。

为什么要先获取页面快照？

快照帮助调用者了解页面和元素引用，再选择需要操作的目标；页面发生变化时应重新获取。

能否直接用于任何网站？

应遵守目标网站的使用条款并获得必要授权，敏感操作需要用户确认。