Agent之skillagent-browser的简介、安装和使用方法、案例应用之详细攻略目录agent-browser的简介1、特点agent-browser的安装和使用方法1、安装2、使用方法agent-browser的案例应用案例一基于 Snapshot 的页面交互——使用页面快照完成元素点击与输入案例二获取页面信息—提取页面标题与地址案例三命令链自动执行浏览流程— 打开页面后等待加载并生成页面快照agent-browser的简介Agent Browser 是一个由 Vercel Labs 提供的浏览器自动化CLI 工具定位于面向AI Agent 的浏览器控制能力。项目采用原生 Rust CLI 实现提供统一的命令行接口可完成浏览器启动、页面导航、元素定位、页面交互、页面信息获取、截图、状态检查等一系列浏览器自动化操作。项目通过后台守护进程保持浏览器会话持续运行使多个命令之间能够共享同一个浏览器实例提高连续操作效率。项目围绕 AI Agent 的浏览体验进行了专门设计支持 Snapshot页面快照、元素引用Refs、语义定位Semantic Locators以及 JSON 输出等能力使 AI Agent 可以先获取页面结构再依据元素引用完成点击、输入、读取等操作从而减少重复定位元素的成本提高自动化操作的稳定性。同时项目还提供 Skills 功能为 AI Agent 提供与当前 CLI 版本保持一致的操作说明。此外项目支持本地浏览器以及多种远程浏览器 Provider并提供安装诊断doctor、浏览器安装、升级、初始化脚本、自定义浏览器参数、扩展加载等功能使浏览器自动化能够适用于本地开发、CI/CD 以及云端运行等不同场景。Github地址GitHub - vercel-labs/agent-browser: Browser automation CLI for AI agents · GitHub1、特点特点详细说明原生 Rust CLI提供原生 Rust 实现的命令行工具支持高效执行浏览器自动化命令。后台守护进程浏览器首次启动后由后台 Daemon 持续维护多个命令之间可共享同一浏览器实例。丰富的浏览器操作支持打开页面、点击、输入、悬停、滚动、截图、等待页面加载等常见浏览器操作。页面信息获取可获取页面标题、URL、文本、HTML、属性、样式、元素数量、元素位置等信息。Snapshot Refs 工作流通过页面快照生成元素引用如 e1、e2后续操作直接使用引用完成交互。语义定位能力支持基于 Role、Label、Text 等语义方式定位页面元素。JSON 输出支持 --json 输出方便 AI Agent 或自动化程序解析结果。Skills 机制提供 Skills 查询能力使 AI Agent 获取与当前 CLI 版本一致的操作说明。初始化脚本支持支持注册页面初始化脚本可在首次页面加载前自动执行。安装与诊断工具提供 install、upgrade、doctor 等命令用于浏览器安装、升级及环境诊断。agent-browser的安装和使用方法1、安装全局安装推荐npm install -g agent-browser agent-browser install首次执行 agent-browser install 时会下载 Chrome for Testing 浏览器。项目本地安装npm install agent-browser agent-browser install HomebrewmacOS brew install agent-browser agent-browser install CargoRust cargo install agent-browser agent-browser install从源码构建git clone https://github.com/vercel-labs/agent-browser cd agent-browser pnpm install pnpm build pnpm build:native pnpm link --global agent-browser install源码构建需要 Node.js 24、pnpm 11 以及 Rust。2、使用方法项目 README 推荐的基本工作流程如下1打开网页agent-browser open Example Domain2获取页面快照agent-browser snapshot -i页面会返回交互元素及对应引用如 e1、e2。3根据引用进行交互agent-browser click e2 agent-browser fill e3 testexample.com4读取页面信息agent-browser get title agent-browser get url agent-browser get text e15使用语义定位agent-browser find role button click --name Submit agent-browser find label Email fill testtest.com6命令链执行agent-browser open example.com \ agent-browser wait --load networkidle \ agent-browser snapshot -i项目支持多个命令通过 串联执行以充分利用后台浏览器会话。agent-browser的案例应用案例一基于 Snapshot 的页面交互——使用页面快照完成元素点击与输入首先打开目标页面并获取交互式 Snapshotagent-browser open example.com agent-browser snapshot -i根据返回的元素引用完成页面操作agent-browser click e2 agent-browser fill e3 testexample.com agent-browser get text e1该流程利用 Snapshot 返回的元素引。用完成浏览器交互避免重复查询页面元素。案例二获取页面信息—提取页面标题与地址案例实现内容项目提供多个获取页面信息的命令例如agent-browser get title agent-browser get url agent-browser get html body agent-browser get text h1可用于读取页面标题、当前地址、HTML 内容及指定元素文本。案例三命令链自动执行浏览流程—打开页面后等待加载并生成页面快照利用命令链一次性完成浏览流程agent-browser open example.com \ agent-browser wait --load networkidle \ agent-browser snapshot -i该方式依赖后台守护进程保持浏览器会话实现页面打开、等待网络空闲及生成 Snapshot 的连续执行提高自动化操作效率。