agent-browser

agent-browser 是一个构建为原生 Rust 二进制的浏览器自动化 CLI，专为 AI 智能体设计。它可通过 npm、Homebrew 或 Cargo 安装，并在首次使用时从 Chrome for Testing 下载 Chrome。它会自动检测现有的 Chrome、Brave、Playwright 和 Puppeteer 安装。守护进程不需要 Playwright 或 Node.js。 核心工作流围绕可访问性树快照展开，该快照分配稳定的元素引用（如 @e1、@e2），智能体使用这些引用进行点击、填写和读取文本。同时支持传统 CSS 选择器和语义定位器（按 ARIA 角色、文本、标签、占位符、alt、title 或 data-testid）。当另一个元素遮挡目标时，点击会提前失败，并报告遮挡元素，以便智能体将其关闭后重试。 主要功能包括：打开和导航页面、截图（支持标注、变化检测和阈值选项）、保存 PDF、执行 JavaScript、通过 CDP 连接以及 WebSocket 流式传输。read 命令无需启动 Chrome 即可从 URL 获取智能体可读文本，支持 llms.txt 发现、Markdown 提取和大纲生成。 批量执行可在单次调用中运行多个命令，避免每个命令的进程启动开销。网络功能包括请求拦截、模拟、HAR 记录和请求过滤。标签页管理支持稳定的标签页 ID（t1、t2）、用户分配的标签和 CDP 目标 ID。还提供框架切换、对话框处理、剪贴板访问、模拟人类移动的鼠标控制、浏览器设置（视口、设备模拟、地理位置、离线模式、请求头、凭据、配色方案）、Cookie 以及 localStorage/sessionStorage 管理。 diff 命令比较快照、截图或 URL 的视觉和结构变化。调试工具包括踪迹记录、Chrome DevTools 性能分析和视频录制（支持可配置帧率和光标叠加）。 WebMCP（实验性）支持页面提供的工具，具有自动发现、模式获取和调用功能，并为不受信任的页面内容设置安全边界。AI 聊天命令提供自然语言浏览器控制，支持单次或交互式 REPL 模式。 该项目由 Vercel Labs 开发，可在 GitHub 上获取。