name: agent-browser
description: “像手脚一样控制浏览器。导航、填写表单、截图，无所不能。当用户要求导航网站、填写表单、截图、提取网页数据、测试网页应用或自动化浏览器工作流时使用。触发短语包括’去[url]'、‘点击’、‘填写表单’、‘截图’、‘抓取’、‘自动化’、‘测试网站’、'登录’或任何浏览器交互请求。不要用于：分享URL、嵌入链接、截图图像文件。”
description-en: “Control browser like hands and feet. Navigate, fill forms, screenshot, bring it on. Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include ‘go to [url]’, ‘click on’, ‘fill out the form’, ‘take a screenshot’, ‘scrape’, ‘automate’, ‘test the website’, ‘log into’, or any browser interaction request. Do NOT load for: sharing URLs, embedding links, screenshot image files.”
description-ja: “ブラウザを手足のように操る。ページ遷移、フォーム入力、スクショ、なんでもこい。Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include ‘go to [url]’, ‘click on’, ‘fill out the form’, ‘take a screenshot’, ‘scrape’, ‘automate’, ‘test the website’, ‘log into’, or any browser interaction request. Do NOT load for: sharing URLs, embedding links, screenshot image files.”
allowed-tools: [“Bash”, “Read”]
user-invocable: false
context: fork
argument-hint: “[url] [–headless]”
Agent Browser 技能
执行浏览器自动化的技能。使用 agent-browser CLI 进行UI调试、验证和自动操作。
触发短语
此技能在以下短语时自动启动：
- “打开页面”“确认URL”
- “点击”“输入”“表单中”
- “截图”
- “确认UI”“测试画面”
- “open this page”, “click on”, “fill the form”, “screenshot”
功能详细
执行步骤
Step 0: 确认 agent-browser
# 确认安装
which agent-browser
# 未安装时
npm install -g agent-browser
agent-browser install
Step 1: 分类用户请求
| 请求类型 |
对应动作 |
| 打开 URL |
agent-browser open <url> |
| 点击元素 |
快照 → agent-browser click @ref |
| 表单输入 |
快照 → agent-browser fill @ref "text" |
| 状态确认 |
agent-browser snapshot -i -c |
| 截图 |
agent-browser screenshot <path> |
| 调试 |
agent-browser --headed open <url> |
Step 2: AI 快照工作流（推荐）
大多数操作中，首先获取快照，然后使用元素引用操作：
# 1. 打开页面
agent-browser open https://example.com
# 2. 获取快照（面向AI，仅交互元素）
agent-browser snapshot -i -c
# 输出例:
# - link "Home" [ref=e1]
# - button "Login" [ref=e2]
# - input "Email" [ref=e3]
# - input "Password" [ref=e4]
# - button "Submit" [ref=e5]
# 3. 使用元素引用操作
agent-browser click @e2 # 点击 Login 按钮
agent-browser fill @e3 "user@example.com"
agent-browser fill @e4 "password123"
agent-browser click @e5 # 提交
Step 3: 确认结果
# 使用快照确认当前状态
agent-browser snapshot -i -c
# 或确认 URL
agent-browser get url
# 获取截图
agent-browser screenshot result.png
快速参考
基本操作
| 命令 |
说明 |
open <url> |
打开 URL |
snapshot -i -c |
面向AI快照 |
click @e1 |
点击元素 |
fill @e1 "text" |
填写表单 |
type @e1 "text" |
输入文本 |
press Enter |
按键 |
screenshot [path] |
截图 |
close |
关闭浏览器 |
导航
| 命令 |
说明 |
back |
后退 |
forward |
前进 |
reload |
重新加载 |
信息获取
| 命令 |
说明 |
get text @e1 |
获取文本 |
get html @e1 |
获取 HTML |
get url |
获取当前 URL |
get title |
获取页面标题 |
等待
| 命令 |
说明 |
wait @e1 |
等待元素 |
wait 1000 |
等待1秒 |
调试
| 命令 |
说明 |
--headed |
显示浏览器 |
console |
控制台日志 |
errors |
页面错误 |
highlight @e1 |
高亮元素 |
会话管理
并行管理多个标签/会话：
# 指定会话
agent-browser --session admin open https://admin.example.com
agent-browser --session user open https://example.com
# 会话列表
agent-browser session list
# 特定会话操作
agent-browser --session admin snapshot -i -c
MCP 浏览器工具的区别
| 工具 |
推荐度 |
用途 |
| agent-browser |
★★★ |
首选。AI快照强大 |
| chrome-devtools MCP |
★★☆ |
Chrome已打开时 |
| playwright MCP |
★★☆ |
复杂E2E测试 |
原则: 先尝试 agent-browser，不行时使用 MCP 工具。
注意事项
- agent-browser 默认无头模式
--headed 选项可显示浏览器- 会话在明确
close 前维持
- 需要认证的网站利用会话