agent browser
- Repo stars 4
- Author repo agent-browser-skill
- Domain
- AI
- Author-declared agents
- No explicit declaration found; this is not inferred or tested compatibility
- Static check
- 88 / 100 · heuristic scan, not runtime safety proof
- Runtime evidence
- Not run; no isolated runtime test evidence is currently recorded
- Author / version / license
- @00OO666 · no license declared
- Token usage
- Lean
- Setup complexity
- Plug-and-play
- External API key
- Not required
- Operating systems
- macOS · Linux · Windows
- Runtime requirements
- No explicit requirements detected
- Detected file/system behavior
-
- Read-only
- Network behavior
- Local-only
- Install commands
- None (reference only)
Heads up: Tool permissions are not declared; actual access depends on the runtime.
# agent-browser - 浏览器自动化 Skill
## 🎯 概述
agent-browser 是 AI-native 的浏览器自动化 CLI 工具,基于 Playwright,使用 Refs 机制简化元素选择,上下文消耗比传统方案少 93%。当用户需要浏览器自动化操作时,**立即使用 agent-browser CLI 工具**完成任务。
## ⚡ 执行规则(重要)
**当此 Skill 被调用时,你必须:**
1. **立即执行**,不要只说"我要做什么"
2. **使用 agent-browser 命令**执行操作
3. **通过 Bash tool** 执行命令
4. **显示结果**给用户
5. 🔥 **强制使用 Sessions 或 Profiles**:
- **必须使用 `--session` 或 `--profile` 参数**
- 不要每次都开新的浏览器会话
- 保持登录状态,避免重复登录
### 推荐使用方式
#### 方案 1: 使用 Sessions(会话管理)
```bash
# 使用命名会话
agent-browser --session my-session open <URL>
# 后续操作使用同一个会话
agent-browser --session my-session click @e1
```
#### 方案 2: 使用 Persistent Profiles(持久化配置文件)⭐推荐
```bash
# 使用持久化配置文件
agent-browser --profile ~/.my-profile open <URL>
# 登录状态会自动保存,下次使用同一个 profile 时会自动恢复
agent-browser --profile ~/.my-profile click @e1
```
#### 方案 3: 组合使用(最佳实践)
```bash
agent-browser --session my-session --profile ~/.my-profile open <URL>
```
## 🔧 核心命令模板
### 导航命令
```bash
agent-browser open <url> # 导航到 URL
agent-browser back # 后退一页
agent-browser forward # 前进一页
agent-browser reload # 刷新当前页
```
### 元素交互
```bash
agent-browser snapshot -i # 获取可交互元素
agent-browser click @ref # 点击元素
agent-browser fill @ref <text> # 填写输入框
agent-browser type @ref <text> # 输入文本
agent-browser hover @ref # 悬停元素
```
### 信息获取
```bash
agent-browser get text <selector> # 获取文本内容
agent-browser get title # 获取页面标题
agent-browser get url # 获取当前 URL
agent-browser screenshot [path] # 截图
```
### 文件操作
```bash
agent-browser upload @ref <filepath> # 上传文件
```
### 浏览器控制
```bash
agent-browser close # 关闭浏览器
agent-browser connect [endpoint] # 连接到 Chrome 调试端口
```
## 📋 标准工作流程
当用户要求浏览网页或抓取内容时,按以下步骤执行:
### 步骤 1:打开网页(使用 Profile)
```bash
agent-browser --profile ~/.my-profile open <用户提供的URL>
```
### 步骤 2:获取页面信息
根据用户需求选择:
- 获取可交互元素:`snapshot -i`
- 获取页面文本:`get text body`
- 截图:`screenshot <路径>`
### 步骤 3:交互操作(如需要)
- 点击链接/按钮:`click @ref`
- 填写表单:`fill @ref "内容"`
- 上传文件:`upload @ref "文件路径"`
- 导航:`back` / `forward` / `reload`
### 步骤 4:完成后关闭
```bash
agent-browser close
```
## 💡 使用示例
### 示例 1:简单导航和截图
用户说:"打开百度首页并截图"
**立即执行:**
```bash
# 1. 打开网页
agent-browser open https://www.baidu.com
# 2. 截图
agent-browser screenshot ~/Desktop/baidu.png
# 3. 关闭
agent-browser close
```
### 示例 2:网页抓取
用户说:"帮我看看 example.com 上有什么内容"
**立即执行:**
```bash
# 1. 打开网页
agent-browser open https://example.com
# 2. 获取内容
agent-browser get text body
# 3. 关闭
agent-browser close
```
### 示例 3:会话持久化(保存登录状态)
用户说:"登录 GitHub 并保存会话以便将来使用"
**立即执行:**
```bash
# 第一次:使用可见浏览器登录
agent-browser --profile ~/.agent-browser/github --headed open https://github.com/login
# 用户在浏览器窗口中手动登录
# 会话自动保存到 profile
# 下次:自动登录
agent-browser --profile ~/.agent-browser/github open https://github.com/settings
agent-browser screenshot ~/Desktop/github-settings.png
agent-browser close
```
### 示例 4:文件上传
用户说:"上传我的头像到 GitHub 个人资料"
**立即执行:**
```bash
# 使用保存的会话打开个人资料设置
agent-browser --profile ~/.agent-browser/github open https://github.com/settings/profile
# 获取可交互元素以找到文件输入框
agent-browser snapshot -i
# 上传文件(假设文件输入框的 ref 是 @e68)
agent-browser upload @e68 "~/Pictures/avatar.jpg"
# 点击保存按钮(假设保存按钮的 ref 是 @e65)
agent-browser click @e65
# 截图确认
agent-browser screenshot ~/Desktop/profile-updated.png
agent-browser close
```
### 示例 5:表单填写
用户说:"填写 example.com 上的联系表单"
**立即执行:**
```bash
# 打开联系页面
agent-browser open https://example.com/contact
# 获取表单元素
agent-browser snapshot -i
# 填写表单字段(从 snapshot 获取 refs)
agent-browser fill @e1 "张三"
agent-browser fill @e2 "zhangsan@example.com"
agent-browser fill @e3 "你好,这是一条测试消息"
# 提交表单
agent-browser click @e4
# 等待确认
agent-browser wait 2000
agent-browser screenshot ~/Desktop/form-submitted.png
agent-browser close
```
### 示例 6:批量操作
用户说:"浏览多个页面并截图"
**立即执行:**
```bash
# 打开网页
agent-browser open https://example.com
# 批量执行多个命令
agent-browser batch "snapshot -i" "screenshot /tmp/page1.png" "click @e1" "wait 1000" "screenshot /tmp/page2.png"
agent-browser close
```
## 🔧 高级功能
### 连接到现有 Chrome 浏览器
使用你现有的 Chrome 浏览器及其所有登录和扩展:
```bash
# 步骤 1:启动带调试端口的 Chrome
# Windows:
"C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222
# macOS:
/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=9222
# Linux:
google-chrome --remote-debugging-port=9222
# 步骤 2:连接 agent-browser
agent-browser connect http://127.0.0.1:9222
# 步骤 3:正常使用(已登录所有网站!)
agent-browser open https://gmail.com
agent-browser get title
agent-browser close
```
### Profile 管理
为不同账户或用途创建独立的 profiles:
```bash
# 工作 GitHub 账户
agent-browser --profile ~/.agent-browser/github-work open https://github.com
# 个人 GitHub 账户
agent-browser --profile ~/.agent-browser/github-personal open https://github.com
# Twitter 账户
agent-browser --profile ~/.agent-browser/twitter open https://twitter.com
```
### Headless vs Headed 模式
```bash
# Headless 模式(默认,无可见浏览器)
agent-browser open https://example.com
# Headed 模式(可见浏览器,用于调试或手动登录)
agent-browser --headed open https://example.com
```
## ⚠️ 重要提醒
1. **立即执行**:不要只说"我要做什么",直接调用 Bash tool
2. **显示结果**:将命令输出展示给用户
3. 🔥 **保持浏览器会话 - 强制规则**:
- **不要每次任务都关闭浏览器**
- 如果需要保持登录状态(如已登录的网站),**不要执行 close 命令**
- 只有在确定不再需要登录状态时才关闭浏览器
- 原因:关闭浏览器会丢失所有登录状态,下次需要重新登录
4. **交互前获取 refs**:使用 `click`、`fill` 或 `upload` 前先运行 `snapshot -i`
5. **使用绝对路径**:截图和文件上传始终使用完整路径
6. **Profile 用于持久化**:使用 `--profile` 标志保存登录状态和 cookies
7. **等待页面加载**:如果元素未就绪,添加 `wait <ms>`
8. **Refs 是临时的**:页面导航后元素 refs 会改变,需要重新运行 `snapshot`
## 🎯 触发场景
当用户说以下内容时,立即使用此 Skill:
- "打开网页..." / "浏览..."
- "截图..." / "捕获..."
- "抓取网页内容..." / "提取数据..."
- "点击..." / "填写..."
- "上传文件..." / "提交表单..."
- "浏览器自动化..." / "网页自动化..."
- "登录到..." / "保存会话..."
- WebFetch 失败时的备用方案
## 🔍 故障排除
### 问题:找不到可交互元素
**解决方案**:等待页面完全加载
```bash
agent-browser open https://example.com
agent-browser wait 3000 # 等待 3 秒
agent-browser snapshot -i
```
### 问题:找不到元素
**解决方案**:导航后 refs 会改变,获取新的 snapshot
```bash
agent-browser snapshot -i # 获取新的 refs
agent-browser click @e1
```
### 问题:Profile 未持久化
**解决方案**:使用绝对路径
```bash
# ❌ 错误(相对路径)
agent-browser --profile ./profile open https://example.com
# ✅ 正确(绝对路径)
agent-browser --profile ~/.agent-browser/myprofile open https://example.com
```
### 问题:找不到命令
**解决方案**:验证安装
```bash
# 检查是否安装
which agent-browser
# 如果未找到,重新安装
npm install -g agent-browser
```
### 问题:Daemon 启动失败
**原因**:浏览器二进制文件未安装或版本不匹配
**解决方案**:
```bash
# 重新安装 Playwright 浏览器
npx playwright install chromium
```
## 📚 参考资源
- 官方 GitHub: https://github.com/vercel-labs/agent-browser
- 官网: https://agent-browser.dev/
- Playwright 文档: https://playwright.dev/
- 安装指南: ../agent-browser-installer/SKILL.md
---
**版本**: v3.0(整合版)
**最后更新**: 2026-01-28
**状态**: ✅ 已测试可用
**贡献者**: Vercel Labs + Claude Code Community
Sections and files
Listed in source order.
sections -> See the original source for section headings
terms -> No English key terms available
files/cmd -> --session · --profile · snapshot -i · get text body · screenshot <路径> · click @ref · fill @ref "内容" · upload @ref "文件路径"
body sha256 -> 0bfa0bdf136f