sleepinginsummer/agent-browser-cli

解決的問題

提供 AI Agent 感知與控制真實 Chrome 瀏覽器會話的方法。與 Selenium 或 Playwright 等無頭自動化工具不同，此工具讓 Agent 可在使用者實際的瀏覽器中運作，意味著可重複使用現有的登入狀態、Cookie 與活躍會話，無需重新驗證。

工作原理

系統由基於 Rust 的 CLI 與 Chrome 擴充程式（tmwd_cdp_bridge）組成。擴充程式透過 WebSocket 橋接將真實瀏覽器與 CLI 連接。此設定使 CLI 能向瀏覽器發送指令，執行 JavaScript、操作 DOM 元素，並利用 Chrome DevTools Protocol (CDP) 進行底層控制。

適用對象

• AI Agent 開發者：需要讓其 Agent 在需要驗證或複雜會話管理的網站上執行任務的開發者。
• QA 工程師：用於在真實使用者環境中自動化測試。
• 前端開發者：可透過 CLI 調試頁面狀態、樣式與 DOM 結構。
• 資料收集者：適用於從需要登入狀態的頁面中抓取資料。

核心亮點

• 會話重用：保留實際使用者會話中的登入狀態與 Cookie。
• 全面控制：支援標籤頁掃描、JS 執行、CDP 呼叫、截圖與檔案上傳。
• Agent 就緒：包含特定的 SKILL.md，協助 AI Agent 理解如何使用此工具。
• 跨平台：支援 Windows（含 WSL）、macOS 與 Linux。
• 頁面簡化：包含腳本用於簡化 HTML 並識別清單結構，協助 Agent 更高效地處理頁面。