sleepinginsummer/agent-browser-cli

解决的问题

它为 AI Agent 提供了感知和控制真实 Chrome 浏览器会话的方法。与 Selenium 或 Playwright 等无头自动化工具不同，该工具允许 Agent 在用户实际的浏览器中运行，这意味着它们可以复用现有的登录状态、Cookie 和活动会话，而无需重新认证。

工作原理

系统由基于 Rust 的 CLI 和 Chrome 扩展程序（tmwd_cdp_bridge）组成。该扩展程序通过 WebSocket 桥接将真实浏览器与 CLI 连接。此设置使 CLI 能够向浏览器发送命令，执行 JavaScript、操作 DOM 元素，并利用 Chrome DevTools Protocol (CDP) 实现底层控制。

适用人群

• AI Agent 开发者：需要让其 Agent 在需要认证或复杂会话管理的网站上执行任务的开发者。
• QA 工程师：用于在真实用户环境中自动化测试。
• 前端开发者：可通过 CLI 调试页面状态、样式和 DOM 结构。
• 数据采集者：适用于从需要登录状态的页面中抓取数据。

核心亮点

• 会话复用：保留实际用户会话中的登录状态和 Cookie。
• 全面控制：支持标签页扫描、JS 执行、CDP 调用、截图和文件上传。
• Agent 就绪：包含特定的 SKILL.md，帮助 AI Agent 理解如何使用该工具。
• 跨平台：支持 Windows（含 WSL）、macOS 和 Linux。
• 页面简化：包含脚本用于简化 HTML 并识别列表结构，帮助 Agent 更高效地处理页面。