agent-browser

Vercel Labs 开源的浏览器自动化 CLI，为 AI 智能体提供紧凑文本输出与确定性页面操作，降低上下文占用。

Vercel Labs 开源的浏览器自动化 CLI，为 AI 智能体提供紧凑文本输出与确定性页面操作，降低上下文占用。

产品定位

agent-browser 的定位差异在于专为智能体消费而设计：snapshot 输出约 200-400 tokens 的紧凑无障碍树（完整 DOM 约 3000-5000 tokens），每个元素带唯一 ref（如 @e1），可确定性选择，无需重新查询 DOM。它采用客户端-守护进程架构，纯 Rust 守护进程通过 Chrome DevTools Protocol 直接管理 Chrome；守护进程在无命令或仪表盘输入一小时后退出，长时间运行的智能体需注意这一点。首次使用需运行 agent-browser install 下载 Chrome。

适合用户

  • 构建浏览器自动化能力的 AI 智能体开发者
  • 使用 Claude Code、Cursor、GitHub Copilot、OpenAI Codex 等编码智能体的用户

功能亮点

  • 基于 ref 的快照与确定性交互

    snapshot 返回紧凑无障碍树，每个元素带唯一 ref（如 @e1），可确定性点击和操作，输出比完整 DOM 节省大量 token。

  • 50+ 浏览器自动化命令

    覆盖导航、表单、截图、网络、存储、文件、标签页、iframe 和调试，并内置录制、流式、调试、性能分析和 diffing 工具。

  • MCP 服务器

    agent-browser mcp 提供 stdio MCP 服务器，带类型化工具、分页发现和启动工具配置（core 默认配置保持小上下文）。

  • 有状态会话

    支持会话、认证状态、Cookie、存储、代理与安全控制，适合长时间运行的智能体。

  • 视频录制与可观测性

    支持最高 60 fps 的页面录制（默认 30 fps，WebM/MP4 输出）、流式传输、调试、性能分析和 diffing。

使用步骤

快照-引用-操作循环

  1. 运行 agent-browser open example.com 打开页面
  2. 运行 agent-browser snapshot -i 获取带 ref 的无障碍树
  3. 用 agent-browser click @e2 等命令按 ref 交互，可 screenshot、close 结束

安装与首次运行

  1. npm install -g agent-browser（全平台）或 brew install agent-browser（macOS）
  2. 运行 agent-browser install 下载 Chrome（首次）
  3. 或直接 npx agent-browser open example.com 免安装试用

接入 AI 智能体

  1. 在支持 shell 命令的智能体（如 Claude Code、Cursor）中使用 CLI 命令
  2. 或通过 agent-browser mcp 以 MCP 服务器方式接入
  3. 或使用 chat 命令进行 AI 驱动的浏览器自动化（需 AI_GATEWAY_API_KEY）

适用场景

为 AI 智能体提供低 token 浏览器操作

AI 智能体开发者

紧凑文本快照（约 200-400 tokens）替代完整 DOM，让 LLM 智能体高效解析并确定性操作页面元素。

网页调试与可观测性

前端开发者与 QA

使用录制、流式、调试、性能分析、diffing 及 React/Web Vitals 工具检查现代 Web 应用。

无障碍审计

无障碍工程师

通过 agent-browser a11y 运行 axe-core 审计，支持 WCAG 标签过滤。

访问与价格

可用状态: 当前可用

价格信息: 价格待确认

支持平台: Linux, macOS, Windows

官方入口

常见问题

agent-browser 是什么？

一个为 AI 智能体设计的浏览器自动化 CLI，用 100% 原生 Rust 编写，输出紧凑文本以减少上下文占用。

如何安装？

npm install -g agent-browser（全平台）或 brew install agent-browser（macOS），首次运行 agent-browser install 下载 Chrome；也可 npx agent-browser open example.com 免安装试用。

为什么使用 refs？

snapshot 返回带唯一 ref 的紧凑无障碍树，文本输出约 200-400 tokens（完整 DOM 约 3000-5000），引用指向确切元素，无需重新查询 DOM。

支持哪些平台？

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

可以和哪些 AI 智能体配合使用？

Claude Code、Cursor、GitHub Copilot、OpenAI Codex、Google Gemini、opencode，以及任何能运行 shell 命令的智能体。

来源核验

资料核验于 2026-09-29