vercel-labs/agent-browser

解决的问题

agent-browser 是专为 AI 代理设计的高性能浏览器自动化 CLI。它通过提供一个快速、原生的 Rust 接口，消除了传统浏览器自动化工具的复杂性，使代理无需依赖完整的 Node.js 或 Playwright 环境即可与网页交互、导航页面并提取数据。

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。它提供了一个专用的 snapshot 命令，生成包含引用（例如 @e1, @e2）的可访问性树，使 AI 代理能够使用稳定的句柄而非脆弱的 CSS 选择器来识别和操作元素。它还包含一个 read 命令，用于从 URL 或活动 DOM 中获取对代理友好的文本（Markdown 或纯文本），以及一个 batch 模式，可在单个进程中执行多个命令以减少开销。

适用人群

需要浏览网页、自动化基于浏览器的工作流或对网页进行视觉和结构分析的 AI 代理开发者。

主要亮点

• AI 优化交互：使用包含元素引用的可访问性树快照，实现更可靠的代理导航。
• 原生性能：使用 Rust 构建，提供快速的 CLI 体验。
• 全面控制：支持完整的浏览器交互，包括点击、填写表单、键盘/鼠标控制、网络拦截和 Cookie 管理。
• 代理友好型读取：专用的 read 命令优先处理 Markdown 和 llms.txt，便于 LLM 兼容的内容提取。
• 批量执行：可通过参数或 JSON 标准输入在一次调用中运行多个命令，以最小化启动延迟。
• 状态管理：内置支持保存和加载认证状态以及管理浏览器存储。