vercel-labs/agent-browser

解决的问题

agent-browser 是一个快速、原生的 Rust 基础 CLI 工具，专为 AI 代理设计，提供一种可靠的方式来自动化和与网页浏览器交互。它简化了页面导航、元素交互和数据提取的过程，同时提供对 AI 代理友好的输出，如可访问性树和带注释的截图。

工作原理

该工具作为 CLI 运行，通过 Chrome for Testing 控制基于 Chromium 的浏览器。它允许代理使用传统的 CSS 选择器或语义定位器（ARIA 角色、标签和占位符）执行各种操作，如点击、输入和滚动。为了帮助 AI 代理“看到”页面，它提供了一个 snapshot 命令，生成带有唯一引用的可访问性树，使代理可以通过引用这些 ID（例如 @e1）来与元素交互，而无需依赖复杂的选择器。

适用人群

主要面向需要浏览网页、执行自动化测试或从现代网页应用中提取结构化数据的 AI 代理开发者。

主要亮点

• 代理优化输出：生成可访问性树和带注释的截图，使 LLM 更容易解析页面状态。
• 语义定位器：支持通过角色、文本、标签或占位符查找元素，减少对脆弱 CSS 选择器的依赖。
• 原生性能：使用 Rust 构建，速度快且高效。
• 支持 WebMCP：包含对模型上下文协议（MCP）的实验性支持，可发现并调用页面提供的工具。
• 全面的浏览器控制：完全控制 Cookie、存储、网络拦截、视口设置以及鼠标移动（包括类人曲线移动）。
• 批量执行：支持在单次调用中执行多个命令，以减少进程启动开销。