keon/browser-control

解決的問題

browser-control 為 AI 編碼代理提供了一種無需複雜 SDK、長時間執行的伺服器或特定語言框架，即可與真實網頁瀏覽器互動的方法。它透過將瀏覽器功能以簡單、原生的 shell 命令形式公開，解決了脆弱的網頁選擇器問題，以及讓 LLM 獲得「手與眼」以導航網頁的困難。

工作原理

這是一個輕量級的 Rust CLI，透過 Chrome DevTools Protocol (CDP) 與瀏覽器通訊。它不依賴 CSS 選擇器，而是使用 snapshot 命令生成穩定的元素參考（例如 @e1, @e2），代理可使用這些參考執行點擊或填寫表單等操作。它可透過 CDP 驅動本地 Chrome 實例，或透過各種雲端提供者（如 Browserbase 或 Steel）的遠端會話，使用相同的命令集。

適用對象

主要針對已能執行 shell 命令，並需要一種可靠且可除錯方式控制瀏覽器進行測試或自動化的 AI 編碼代理開發者。

特色亮點

• 原生 shell： 每個功能皆為子命令，輸出文字或 JSON，方便在 shell 中進行管道與組合。
• LLM 友好參考： 使用快照生成的穩定元素句柄（@e1, @e2）避免脆弱的 CSS 選擇器。
• 與提供者無關： 透過 CDP 支援本地 Chrome 或遠端雲端瀏覽器。
• 可觀測性： 內建背景守護程序用於事件／網路／控制台追蹤，並在命令失敗時自動產生緊湊的追蹤記錄，供代理自我診斷。
• 原始 CDP 存取： 提供 eval 和 cdp 命令作為逃生通道，用於處理所有未被輔助介面涵蓋的操作。