agent-browser

agent-browser

agent-browser 是一个专为 AI Agent 设计的浏览器自动化 CLI。它使用紧凑的文本输出，尽量减少上下文占用；底层为 100% 原生 Rust。

npm install -g agent-browser      # 所有平台
brew install agent-browser        # macOS
agent-browser install             # 首次下载 Chrome

# 或者不安装直接试用
npx agent-browser open example.com

特性

• Agent 优先：紧凑文本输出比 JSON 更节省 token，适合 AI 上下文。
• 基于 ref：snapshot 返回带 ref 的可访问性树，方便确定性选择元素。
• 快速：原生 Rust CLI，命令解析开销极低。
• 完整：提供 50+ 个导航、表单、截图、网络、存储等命令。
• 会话：支持多个隔离浏览器实例和独立登录状态。
• 跨平台：支持 macOS、Linux、Windows 原生二进制。

适用于

Claude Code、Cursor、GitHub Copilot、OpenAI Codex、Google Gemini、opencode，以及任何可以运行 shell 命令的 Agent。

示例

# 导航并获取快照
agent-browser open example.com
agent-browser snapshot -i

# 输出：
# - heading "Example Domain" [ref=e1]
# - link "More information..." [ref=e2]

# 使用 refs 交互
agent-browser click @e2
agent-browser screenshot page.png
agent-browser close

为什么使用 refs？

snapshot 命令会返回紧凑的可访问性树，每个元素都有类似 @e1、@e2 的唯一 ref。这带来：

• 上下文高效：文本输出通常约 200–400 tokens，而完整 DOM 可能需要 3000–5000 tokens。
• 确定性：ref 指向快照中的具体元素。
• 快速：无需再次查询 DOM。
• 适合 AI：LLM 能自然解析文本输出。

架构

采用客户端-守护进程架构：

1. Rust CLI：解析命令并与守护进程通信。
2. 原生守护进程：纯 Rust 守护进程，通过 CDP 管理 Chrome。

守护进程会自动启动，并在命令之间保持运行。

平台

提供 macOS（ARM64、x64）、Linux（ARM64、x64）和 Windows（x64）的原生 Rust 二进制文件。