登录 注册

agent-browser (AI智能体浏览器自动化工具)

曾爆款
去点 Star
自动化与工作流开发者工具AI 应用与 AI Agent
49,021
Stars
0
Forks
0
Watchers
0
Open Issues
未知
许可证
Rust
语言
创建时间
最近更新

项目能做什么

面向 AI Agent 的浏览器自动化 CLI 工具,可在终端打开页面、解析无障碍树并操作页面元素。
来源:AI 基于仓库事实生成 · 内容以仓库实际 README 为准

使用说明 查看原始 README 原仓库文档

项目简介

agent-browser 是由 Vercel Labs 开发、基于 Rust 编写的命令行工具(CLI),专为 AI Agent 提供浏览器自动化能力。它允许 Agent 通过逐条 Shell 命令驱动浏览器:通过 snapshot 将网页解析为包含元素引用(例如 @e1)的紧凑文本无障碍树,Agent 直接基于引用操作元素并循环校验结果。后台守护进程在命令之间保持浏览器运行,无需重复启动。

核心功能

  • 元素快照与引用(Refs):提取页面元素为紧凑文本,并分配唯一的引用标识(如 @e1),便于 Agent 直接解析和点击。
  • 后台常驻机制:初次运行命令时在后台启动守护进程(Daemon),通过 Chrome DevTools Protocol 控制浏览器;支持通过 --session 隔离多会话。无操作 1 小时后自动关闭。
  • 多样化元素定位:除 ref 外,同时支持 CSS 选择器、纯文本、XPath 以及语义化定位器(如 agent-browser find role button click --name "Submit")。
  • 可靠的交互检测:目标元素若被遮挡(如弹窗/Cookie 横幅)、隐藏、禁用或在视口外,点击操作会直接报错失败,避免误判成功。
  • 多引擎与云端扩展:默认使用 Chrome for Testing;支持 --cdp 连接现有 Chrome、切换 Lightpanda/Obscura 引擎、驱动 iOS Simulator 中的 Mobile Safari,或连接 Browserbase、Browserless 等云端浏览器。
  • Agent 技能与 MCP 支持:内置与版本同步的 Agent 指令规范(Skills),支持通过 agent-browser mcp 提供标准 MCP 服务。

适合谁用

  • 正在构建具备网页浏览、表单填写或数据抓取能力的 AI Agent 开发者。
  • 需要通过简单的 Shell 脚本或 MCP 协议控制无头浏览器的开发者。
  • 追求轻量、不想每次交互都重新启动整个浏览器上下文的开发者。

安装步骤

1. 使用 npm 全局安装

npm install -g agent-browser
agent-browser install           # 仅首次运行需要:下载 Chrome for Testing

2. 使用 Homebrew 安装

brew install agent-browser
agent-browser install

3. Linux 系统安装

# 同时安装浏览器所需的系统库依赖
agent-browser install --with-deps

4. 免安装直接运行

npx agent-browser open example.com

注:关于项目内局部安装、从源码编译、upgrade 及 doctor 命令,此部分原文未说明,请查看原仓库文档。

配置说明

快速上手示例

agent-browser open example.com
agent-browser snapshot -i       # 提取可交互元素并生成对应 ref
agent-browser click @e1         # 根据快照中的 ref 执行点击
agent-browser get url           # 获取当前 URL 查看跳转结果
agent-browser close             # 关闭浏览器

给 AI Agent 配置技能提示

可通过 skills.sh 为 Agent 框架添加技能:

npx skills add vercel-labs/agent-browser

或直接在项目的 AGENTS.md 中添加提示词:

Use `agent-browser` for browser automation. Before the first use, run
`agent-browser skills get core` and follow it.

MCP 服务启动

agent-browser mcp

注:关于会话持久化(Session persistence)、云端浏览器 Provider 密钥配置等详细配置项,此部分原文未说明,请查看原仓库。

常见问题

  • 为什么执行点击时提示失败?
    当目标元素处于隐藏、禁用、视口外部,或者被其他遮挡层(如 Cookie 同意弹窗)覆盖时,操作会直接判定失败。需先操作关闭遮挡元素,重新执行 snapshot 获取新 ref 后重试。
  • 为什么引用的 ref 找不到对应元素?
    Ref 仅代表执行 snapshot 瞬间的页面状态。一旦发生页面跳转或 DOM 结构变更,旧 ref 随即失效,必须重新执行 snapshot 获取新的 ref。
  • 其他高阶功能排查
    此部分原文未说明,请查看原仓库及官方文档(https://agent-browser.dev )。
原始 README 摘录(英文原文,节选前 3000 字符)
# agent-browser

Browser automation for AI agents: open pages, read them as an accessibility tree, and act on elements from the shell.

<p>
  <a href="https://vercel.com/labs#labs-products"><img alt="Vercel Labs Product" src="https://img.shields.io/badge/LABS-PRODUCT-0a0a0a.svg?style=for-the-badge&amp;logo=Vercel&amp;labelColor=000000" height="28"></a>
  <a href="https://www.npmjs.com/package/agent-browser"><img alt="npm version: agent-browser" src="https://img.shields.io/npm/v/agent-browser.svg?style=for-the-badge&amp;labelColor=000000" height="28"></a>
  <a href="https://github.com/vercel-labs/agent-browser/blob/main/LICENSE"><img alt="License: Apache-2.0" src="https://img.shields.io/github/license/vercel-labs/agent-browser.svg?style=for-the-badge&amp;labelColor=000000" height="28"></a>
  <a href="https://www.npmjs.com/package/agent-browser"><img alt="npm downloads per month: agent-browser" src="https://img.shields.io/npm/dm/agent-browser.svg?style=for-the-badge&amp;labelColor=000000&amp;label=npm%20downloads" height="28"></a>
  <a href="https://skills.sh/vercel-labs/agent-browser"><img alt="skills.sh" src="https://skills.sh/b/vercel-labs/agent-browser?style=for-the-badge" height="28"></a>
</p>

agent-browser is a native Rust CLI that gives an AI agent a browser it can drive one command at a time. `snapshot` returns the page as compact text with a ref such as `@e1` for each element. The agent acts on a ref, reads the page again to check the result, and repeats. The browser stays open between commands, so each step is one short shell call.

## Install

```bash
npm install -g agent-browser
agent-browser install           # download Chrome for Testing (first time only)
```

- **Homebrew:** `brew install agent-browser`, then `agent-browser install`.
- **Linux:** `agent-browser install --with-deps` also installs the browser's system libraries.
- **No install:** `npx agent-browser open example.com`.

Project installs, building from source, `upgrade`, and `doctor` are covered in [Installation](https://agent-browser.dev/installation).

## Quick start

```bash
agent-browser open example.com
agent-browser snapshot -i       # interactive elements, each with a ref
agent-browser click @e1         # act on a ref from that snapshot
agent-browser get url           # check the result
agent-browser close
```

The snapshot for `example.com`:

```
- link "Learn more" [ref=e1]
```

- Refs describe the page at the time of the snapshot. After navigation or a DOM change, take a new snapshot before using refs again.
- CSS selectors, text, XPath, and semantic locators also work, for example `agent-browser find role button click --name "Submit"`. See [Selectors](https://agent-browser.dev/selectors).
- A click fails, instead of reporting success, when the target is hidden, disabled, outside the viewport, or covered by another element such as a consent banner. Dismiss the covering element, take a new snapshot, and retry.

The full walkthrough is in the [quick start](https:
阅读完整原文

商业机会分析 AI 生成

托管式云端无头浏览器集群服务 (Cloud Agent Browser Pool)

产品构想针对 Agent 自动化需要大量常驻无头浏览器的场景,提供专为 `agent-browser` 协议优化的低延迟云端托管运行环境,内置代理轮换和反机器人探测能力。
核心功能一键远程 CDP 接入、多 session 自动伸缩、全局 IP 代理轮转、DOM 树解析性能加速、会话自动休眠与恢复。
目标用户生产环境中运行网页操作智能体的企业及独立开发者。
难度/周期中等偏高 · 2-3 个月 · 成本:服务器/带宽成本(高并发 CDP 消耗内存较大)、代理 IP 采购成本。
收费模式按活跃浏览器会话时长计费(Browser-hour)或并发通道月费订阅制。
竞争风险面对 Browserbase、Browserless 等现有提供商的直接竞争,需要极高的单位成本控制能力。
依据 已验证事实

Agent Web 任务执行可视化与审计调试平台 (Observability & Sandbox)

产品构想构建与 `agent-browser` 深度集成的可视化操作面板,记录 Agent 每一步 snapshot、ref 决策和行为执行,提供实时推流、步骤录制回放与人机协同接管接口。
核心功能行为轨迹录制与回放、网页交互审查日志、真人干预/接管模式(解决验证码或敏感支付)、安全沙箱策略配置。
目标用户构建严肃业务流(如财务操作、自动化填报、电商代操作)的 AI 应用开发者及企业安全团队。
难度/周期中等 · 1-2 个月 · 成本:基础视频流转发与结构化日志存储服务器成本(初期较低)。
收费模式SaaS 阶梯订阅制(按监控步骤数/录制时长/团队席位收费)。
竞争风险Agent 执行频次较低时用户付费意愿不足;需紧跟 CLI 协议更新。
依据 数据支持的判断

垂直场景 Web RPA 技能包与工作流生成器 (Domain Skill Store)

产品构想基于项目内置的 `skills` 体系,针对特定行业复杂 Web 平台(如政务申报、特定 ERP、海外社交平台等)提供高度封装的预制指令与自动化工作流 SDK。
核心功能开箱即用的特定站点 workflow 脚本、失败自动重试策略、动态更新的站点无障碍映射规范。
目标用户没有精力从零写 Agent 操作逻辑的运营人员、跨境电商卖家、SMB(中小企业)。
难度/周期低 · 2-4 周 · 成本:极低(主要为脚本开发与维护时间成本)。
收费模式买断制技能脚本/按月订阅获得脚本更新和技术支持。
竞争风险目标站点前端频繁改版导致维护成本激增;容易被开源社区同类模板分流。
依据 AI推测
AI 基于仓库公开数据分析生成,含推测成分,不构成收益承诺。
报告会保存到 个人中心

竞品与相似项目 GitHub Search 真实检索

项目中文简介Stars语言
browser-use/browser-use 专为 AI 浏览器 Agent 设计的开源 Python 库,支持隐形浏览器与托管 API。 120,451 Python
Leonxlnx/taste-skill 为编码 Agent 提供艺术指导、参考图和浏览器检查等审美技能。 112,556 JavaScript
reworkd/AgentGPT 在浏览器中组装、配置和部署自主 AI Agent 的工具。 36,262 TypeScript
h4ckf0r0day/obscura 专为 AI Agent 和网络爬虫设计的无头浏览器。 31,726 Rust
jackwener/OpenCLI 将任意网站转为 CLI,支持 AI Agent 使用已登录的浏览器。 30,987 JavaScript
AgriciDaniel/claude-seo Claude Code 的通用 SEO 技能套件,涵盖技术 SEO、数据报告等多项能力。 27,733 Python
以上为通过 GitHub 官方 Search API 检索的相似项目,功能差异与优劣势需进一步人工确认,配置 AI 后可生成对比分析。

项目优势与风险

技术成熟度创建于 ,最近推送 ,发布过 100 个 Release
社区活跃Star 49,021 / Fork 0 / Issue 0(数据支持,可自行核实)
许可证未检测到(需人工确认)
主要风险上游项目方向可能变化;同赛道竞争者较多(见竞品表);热度与需求不完全等价

安装与使用

快速开始(以仓库 README 为准)
git clone https://github.com/vercel-labs/agent-browser.git
cd agent-browser
# 请阅读仓库 README 获取确切安装步骤(依赖、配置、启动命令)
阅读原仓库文档
术语说明:Docker=应用容器(把程序和依赖打包运行);API Key=调用外部服务的密钥;Git Clone=把仓库代码下载到本地。常见错误:API Key 未配置 / 端口占用 / 数据库连接失败,多数项目在 README 的 Troubleshooting 章节有说明。