agentrhq/webcmd

什么是 Webcmd？

Webcmd 是一个自学习浏览器自动化层，面向 AI 代理。它让代理控制真实浏览器（通过 Playwright 风格命令），同时自动构建本地“站点地图记忆”，记录遇到的页面、操作和 API。下次代理需要在同一网站上工作时，可以重用该记忆，而无需重新探索整个网站，从而将令牌使用量和成本降低高达 90%。

核心概念

层	适用场景	提供内容
0. 实时浏览器控制	网站是新的或任务需要最新数据。	`webcmd browser` 让代理在真实浏览器会话中点击、输入、捕获网络调用和抓取内容。
1. 站点地图记忆	网站已知，但确切工作流未知。	Webcmd 记录观察到的页面、状态、操作和回退路径的站点地图。该记忆存储在本地（或 Webcmd Cloud），后续代理可以查询。

工作原理（高级）

启动会话 – 配置文件存储 cookie；会话是该配置文件内的隔离浏览器窗口。
运行实时命令 – 代理向会话发送 Playwright 风格脚本（或简单 CLI 命令）。
静默学习 – 浏览器运行时，Webcmd 提取有用的导航事实（链接、表单、API 调用、页面标题等）并添加到本地记忆。
重用记忆 – 未来代理可以请求 Webcmd 提供存储的站点地图或特定页面数据，避免重新导航。
可选云 – 首次访问可以从 Webcmd Cloud 拉取种子；后续学习保留在用户机器上。

快速开始（来自 README）

# 全局安装（需要 Node 20.6+）
npm install -g @agentrhq/webcmd

# 添加浏览器技能（选择 Claude、Codex 等）
webcmd skills add

安装技能后，您可以运行如下命令：

使用 webcmd 研究 Hacker News 和 Reddit 上关于浏览器自动化的最新讨论，然后返回带来源链接的简洁比较。

代理将启动真实浏览器，执行搜索，并存储导航上下文以供后续重用。

示例用例

研究聚合 – 从 PubMed、Reddit 或 Hacker News 提取标题、摘要和 URL，并返回整洁摘要。
电子商务监控 – 在 Grainger 上查找零件号，获取价格/库存信息，并与 SAP 采购订单状态结合。
社交媒体策展 – 使用已登录的 LinkedIn 配置文件，总结未读消息；使用 X/Twitter 配置文件，收集最近的书签。
AI 工具检索 – 获取过去的 ChatGPT 或 Claude 对话、笔记本或生成的资产。
预订与购物 – 比较 Amazon、Blinkit、Practo 等网站的产品可用性、价格或预约时段。

基准测试

Webcmd 在 BU Bench V1 100 任务浏览器自动化套件上进行了评估。它实现了：

67% 准确率（测试工具中最高）
每个完成任务 $0.255 成本（最低）
每个任务 9.8 次代理轮次（最少）基准测试对所有工具使用相同的 Pi 控制器、Codex gpt-5.4 评判器和 CloakBrowser 引擎，确保比较公平。

安装与基本命令

命令	用途
`webcmd skills add`	安装浏览器技能框架（Claude、Codex、自定义）。
`webcmd --profile <name> session create "<desc>" -f json`	创建新的隔离会话；返回会话 ID。
`webcmd --profile <name> --session <id> browser run --file explore.js`	在会话中执行 Playwright 风格脚本。
`webcmd --profile <name> --session <id> browser tabs`	列出会话中打开的标签页。
`webcmd --profile <name> --session <id> browser run --stdin`	通过管道输入单行脚本（例如 `return await page.title();`）。
`webcmd --profile <name> session close <id>`	关闭会话并清理资源。

限制与当前状态

Beta / 不稳定 – 项目正在积极开发中；API 可能更改。
仅本地记忆 – 跨机器持久共享需要可选的 Webcmd Cloud（仍在开发中）。
需要真实浏览器 – 底层使用 Playwright，因此需要无头或有头浏览器环境。
代理特定提示 – 该工具设计为从 LLM 提示中调用；原始 CLI 使用可能但不太符合人体工程学。

许可证

Apache 2.0（见 LICENSE）。

了解更多

文档 – https://webcmd.dev/docs（代理提示、概念、CLI 参考）
Discord 社区 – https://discord.gg/9YP2C9tvMp
GitHub 仓库 – https://github.com/agentrhq/webcmd

TL;DR

Webcmd 为 AI 代理提供实时浏览器 + 记忆组合：代理可以执行实时网页操作，同时系统静默记录可重用的站点地图，大幅减少后续任务的重复导航和令牌成本。它是一个基于 Node 的 CLI，构建在 Playwright 之上，面向研究、社交、购物和 AI 工具自动化场景。