提示词与插件
agent-browser
专为 AI 代理设计的浏览器自动化 CLI，通过紧凑文本输出节省上下文 Token
访问官网
agent-browser.dev
agent-browser是什么
agent-browser 是一款专为 AI 代理打造的浏览器自动化工具，采用 100% 原生 Rust 编写。它通过命令行界面（CLI）提供高效的浏览器控制能力，其核心设计理念是最大化 AI 的上下文效率。与传统工具返回庞大的 JSON 或 DOM 结构不同，agent-browser 输出紧凑的纯文本，显著减少了 LLM 处理时的 Token 消耗。
该工具支持 macOS、Linux 和 Windows 平台，能够与 Claude Code、Cursor、GitHub Copilot、OpenAI Codex 以及 Google Gemini 等主流 AI 编码助手无缝集成。只要代理具备执行 Shell 命令的能力，即可直接调用 agent-browser 进行网页导航、表单填写、截图及调试等操作，是实现自主 AI 工作流的理想基础设施。
主要功能
- AI 优先的输出格式快照命令返回带有引用 ID（如 @e1）的可访问性树，使用约 200-400 个 Token，相比完整 DOM 的 3000-5000 个 Token 极大节省了上下文空间。
- 确定性元素选择基于引用的交互方式确保 AI 能够精确定位快照中的特定元素，无需重新查询 DOM，提高了操作的准确性和速度。
- 全功能命令集内置 50+ 命令，涵盖导航、表单操作、截图、网络控制、存储管理、标签页处理、框架交互及调试功能。
- 深度可观测性内置视频录制、流式传输、调试工具、性能分析器（Profiler）和差异对比（Diffing）功能，方便开发者监控代理行为。
- 现代 Web 支持对 React、Web Vitals、初始化脚本以及 Next.js + Vercel 工作流提供一流的支持文档和控制能力。
- 有状态会话管理支持会话保持、配置文件、认证状态、Cookie、存储、代理及安全控制，适用于需要长期运行的复杂代理任务。
如何使用
- 通过 npm 全局安装：运行 `npm install -g agent-browser`，或在 macOS 上使用 `brew install agent-browser`。
- 首次使用时运行 `agent-browser install` 以下载 Chrome 浏览器组件。
- 在终端中执行 `agent-browser open example.com` 打开目标网页。
- 运行 `agent-browser snapshot -i` 获取页面的紧凑文本快照，注意元素旁边的引用 ID（如 @e1）。
- 使用引用 ID 进行交互，例如 `agent-browser click @e1` 点击特定元素，或 `agent-browser screenshot page.png` 保存截图。
应用场景
- 端到端测试自动化利用确定性引用选择器，让 AI 代理自动执行复杂的用户旅程测试，无需维护脆弱的 CSS/XPath 选择器。
- 智能数据抓取结合 AI 的理解能力，动态识别页面结构并提取信息，即使面对布局频繁变化的现代 Web 应用也能稳定工作。
- 自主 Web 操作代理构建能够独立浏览网页、填写表单、处理登录状态并执行多步任务的 AI 助手，适用于客服或行政流程自动化。
价格 / 免费额度
agent-browser 是开源工具，具体定价或免费额度请以官网为准。
适合人群
- AI 应用开发者
- 测试自动化工程师
- RPA 流程设计师
- 前端开发人员
常见问题
agent-browser 支持哪些 AI 模型？
它不绑定特定模型，而是支持任何能执行 Shell 命令的 AI 代理，包括 Claude Code、Cursor、GitHub Copilot、OpenAI Codex 和 Google Gemini 等。
为什么使用引用（Refs）而不是 CSS 选择器？
引用提供了确定性且上下文高效的定位方式。每个元素在快照中都有唯一 ID，LLM 可以直接引用，避免了重新查询 DOM 的开销和不稳定性。
它可以在无头模式下运行吗？
是的，默认情况下守护进程会启动无头浏览器。它也支持有头浏览器模式，以便进行视频录制和调试。
如何保持登录状态？
agent-browser 支持有状态会话，可以保存 Cookie、存储和认证状态，允许代理在多次命令之间保持登录状态。